Jan Rusinek 60 ZADAŃ. Z RACHUNKU PRAWDOPODOBIEŃSTWA Z ROZWIĄZANIAMI dla studentów informatyki UWAGA!
|
|
- Karol Klimek
- 4 lat temu
- Przeglądów:
Transkrypt
1 Jan Rusinek 60 ZADAŃ Z RACHUNKU PRAWDOPODOBIEŃSTWA Z ROZWIĄZANIAMI dla studentów informatyki UWAGA! Ten tekst jest w trakcie przygotowania i sprawdzania. Może zawierać błędy. Jest sukcesywnie poprawiany i umieszczany pod aktualną datą! Proszę o przysyłanie uwag pod adresem: j-rusinek@o2.pl Obecna data
2
3 Wstęp Zbiorek ten zawiera 60 elementarnych zadań z rachunku prawdopodobieństwa z przykładowymi rozwiązaniami. Są one wybrane z zadań przerabianych na ćwiczeniach i wykładach oraz na egzaminach na kierunku informatyka w Wyższej Szkole Menedżerskiej w Warszawie. Są tak wybrane, Wykorzystywane wzory, definicje i tabele są umieszczone na końcu zbiorku. Mam nadzieję, że zbiorek ten pomoże studentom lepiej opanować omawiany materiał i przygotować się do egzaminu. Niektóre zadania wymagają napisania odpowiedniego algorytmu demonstrującego omawiany temat. Rozwiązanie jest zaprezentowane w pascalu, ale oczywiście można wykorzystać dowolny inny język programowania. 5
4 Zadania 6
5 ZADANIE 1. W finale rzutu dyskiem startuje 12 zawodników. Ile jest wszystkich możliwych wyników? Jest to liczba permutacji, czyli 12! =
6 ZADANIE 2. Pewien salon samochodowy ma w sprzedaży 8 modeli samochodów. Ma miejsce na wystawienie 5 modeli. Na ile sposobów może wystawić samochody? Jest to liczba kombinacji ( ) 8 5 = 8! = 56. 5! 3! 8
7 ZADANIE 3. W pewnej grze liczbowej skreśla się 4 liczby spośród 21. Ile jest wszystkich możliwych skreśleń? ( 21 4 ) Podobnie jak w poprzednim zadaniu trzeba obliczyć =
8 ZADANIE 4. Opera kameralna wystawia operę w obsadzie 2 soprany, 1 alt, 2 tenory i 3 basy. Zespół liczy 6 sopranów, 3 alty, 6 tenorów, 6 basów. Ile różnych obsad może zestawić dyrektor opery? Będzie to iloczyn kombinacji ( ) 6 2 ( ) 3 1 ( ) 6 2 ( ) 6 = =
9 ZADANIE 5. Drużyna piłkarska gra w ustawieniu: 1 bramkarz, 4 obrońców, 3 pomocników i 3 napastników. Trener ma do dyspozycji 2 bramkarzy, 6 obrońców, 5 pomocników i 5 napastników. Ile różnych składów może wystawić? Rozwiązanie podobne jak w zadaniu poprzednim ( ) 2 1 ( ) 6 4 ( ) 5 3 ( ) 5 =
10 ZADANIE 6. Wykorzystując procedurę random podaj przykład programu losującego k liczb spośród n. var n,i,j,k,l:integer; a:array[1..n] of integer; begin randomize; for i:=1 to n do a[i]:=i; for j:=n downto n-k+1 do begin l:=random(j)+1; write(a[l],, ); for i:=l to j-1 do a[i]:=a[i+1]; end;end. 12
11 ZADANIE 7. W biegu na 1500 m. startuje 9 biegaczy. Na ile sposobów można rozdać medale? Jest to zadanie na wariacje bez powtórzeń. Wynik będzie równy 9! (9 3)! = =
12 ZADANIE 8. Trzydziestu studentów zapisuje się na trzy specjalizacje. Na ile sposobów mogą się zapisać? Trzeba zastosować wariacje z powtórzeniami. Otrzymamy wynik
13 ZADANIE 9. Rzucamy dwa razy kostką do gry. Wyznacz zbiór Ω. Ile elementów ma ten zbiór? Oblicz prawdopodobieństwo zdarzenia, że suma wyrzuconych oczek będzie większa od 10. Ω = {(i, j): i, j {1, 2, 3, 4, 5, 6}}. Stąd Ω = 6 6 = 36. Niech A oznacza interesujące nas zdarzenie. Wtedy A = {(5, 6), (6, 5), (6, 6)}. Stąd P (A) = 3 36 =
14 ZADANIE 10. Z talii 52 kart losujemy kolejno bez zwracania 2 karty. Ile elementów będzie liczył zbiór Ω? Jakie jest prawdopodobieństwo zdarzenia: za pierwszym razem będzie pik, a za drugim dwójka? Za pierwszym razem możemy wylosować jedną z 52 kart, a za drugim jedną z 51. Stąd Ω = = Dalej możemy rozumować tak. Gdyby to było losowanie ze zwracaniem, to wszystkich sprzyjających możliwości byłoby 13 4 (za pierwszym razem mamy do dyspozycji 13 pików, a za drugim 4 dwójki). Przy losowaniu bez zwracania odpada jedna możliwość: dwójka pik i dwójka pik, a zatem jest możliwości = 51. Zatem nasze prawdopodobieństwo jest równe
15 ZADANIE 11. W pewnej chłodni pracuje 10 agregatów. Średnio co 10 minut następuje rozruch agregatu, który trwa sekundę i w czasie niego agregat potrzebuje prądu o mocy 10kW. W czasie normalnej pracy agregat pobiera tylko 1KW. Korek automatyczny wyłącza się przy obciążeniu ponad 40kW. Jakie jest prawdopodobieństwo, że w ciągu 10 minut korek się wyłączy? Możemy podzielić 10 minut na 600 sekundowych odcinków. Każdy agregat losowo wybiera na rozruch jeden z tych odcinków. Zatem wszystkich możliwości jest tyle ile wariacji z powtórzeniami, czyli Zdarzenie sprzyjające to takie, że co najmniej 4 agregaty wybiorą ten sam odcinek. Możemy je otrzymać w następujący sposób: najpierw losujemy 4 agregaty z 10 na ( ) 10 4 = 210 sposobów, umieszczamy je w jednym ze 600 odcinków, a pozostałe agregaty wybierają odcinki dowolnie, czyli na sposobów. Zatem poszukiwane prawdopodobieństwo wynosi p = >=
16 ZADANIE 12. Rzucamy trzy razy kostką do gry. Ile elementów będzie miał zbiór Ω? Wypisz zbiory: a) A: suma wyrzuconych oczek jest mniejsza od 5 ; b) B: iloczyn wyrzuconych oczek jest mniejszy od 4. Oblicz ich prawdopodobieństwa. Ile elementów będzie miał zbiór C: za każdym razem wypadła inna liczba oczek? Oblicz jego prawdopodobieństwo. Stąd Ω = 6 3 = 216. Ω = {(i, j, k): i, j, k {1, 2, 3, 4, 5, 6}}. a) A = {(1, 1, 1), (1, 1, 2), (1, 2, 1), (2, 1, 1)}. Zatem P (A) = = b)b = {(1, 1, 1), (1, 1, 2), (1, 1, 3), (1, 2, 1), (2, 1, 1), (3, 1, 1), (1, 3, 1)}. Zatem P (B) = c) Aby policzyć liczbę elementów zbioru C należy zastosować wzór na wariacje bez powtórzeń 6! = 120. Stąd 3! P (C) = 120 =
17 ZADANIE 13. W pewnym zakładzie stan osobowy zatrudnionych według płci i wykształcenia przedstawia tabelka: wykształcenie płeć wyższe średnie podstawowe razem kobiety mężczyźni Razem Oblicz prawdopodobieństwo tego, że losowo napotkany pracownik: a) jest kobietą; b) jest kobietą z wyższym wykształceniem; c) nie ma wyższego wykształcenia; d) jest mężczyzną bez wyższego wykształcenia. a) 43, b) , c), d)
18 ZADANIE 14. Egzamin z matematyki zdawało 620 studentów. Liczby studentów, którzy otrzymali odpowiednie stopnie podaje tabelka: ocena liczba studentów Oblicz prawdopodobieństwo, że: a) losowo spotkany student zdał egzamin; b) losowo wybrany student otrzymał co najmniej ocenę dobrą? a) = , b) =
19 ZADANIE 15. Rzucamy dwa razy monetą. Niech A oznacza zdarzenie w pierwszym rzucie padł orzeł, B zdarzenie przynajmniej raz padła reszka. Oblicz P (A B) i P (B A). Ω = 4, A = {(o, o), (o, r)}, B = {(o, r), (r, o), (r, r)}, A B = {(o, r)}. Zatem P (A B) = P (B A) = P (A B) P (B) P (A B) P (A) = = = 1 3. =
20 ZADANIE 16. Rzucamy dwa razy kostką do gry. A oznacza zdarzenie suma wyrzuconych oczek jest większa od 10, a B zdarzenie iloczyn wyrzuconych oczek jest większy od 20. Oblicz P (A B) i P (B A). Ω = 36, A = {(5, 6), (6, 5), (6, 6)}, B = {(5, 4), (5, 6), (6, 5), (4, 6), (6, 4), (6, 6)}, A B = A. Stąd 3 P (A B) P (A B) = = = 1 P (B) 2. P (B A) = P (A B) P (A) = P (A) P (A) = 1. 22
21 ZADANIE 17. Z talii 52 kart losujemy jedną. Jeśli wyciągniemy asa, to rzucamy monetą i wygrywamy gdy wypadnie orzeł, a jeśli wyciągniemy inną kartę, to rzucamy kostką do gry i wygrywamy gdy wypadnie szóstka. Oblicz prawdopodobieństwo wygranej. Niech B 1 będzie zdarzeniem wylosowaliśmy asa, a B 2 zdarzeniem wylosowaliśmy inną kartę, a A zdarzeniem wygraliśmy. Wtedy P (B 1 ) = 1, P (B 13 2) = 12. Ponadto P (A B 1 ) = 1, P (A B 2 2) = 1. Z wzoru na prawdopo dobieństwo całkowite otrzymujemy P (A) = =
22 ZADANIE 18. Podaj przykład algorytmu imitującego doświadczenie z poprzedniego zadania. var k,n,u,v:integer; procedure moneta; begin k:=random(2); if k=0 then writeln( wygrywamy ); end; procedure kostka; begin u:=random(6);u:=u+1; if u=6 then writeln( wygrywamy ); end; begin n:=random(52); if n<4 then moneta; if n>3 then kostka; end. 24
23 ZADANIE 19. Mamy trzy urny. W pierwszej są same białe kule, w drugiej połowa białych i połowa czarnych, a w trzeciej 30% białych i 70% czarnych. Rzucamy kostką do gry. Jeśli wypadnie jedynka, to losujemy z pierwszej urny, jeśli dwójka lub trójka, to z drugiej, w pozostałych przypadkach z trzeciej. Oblicz prawdopodobieństwo, że wylosowana kula będzie czarna. Niech B 1 oznacza zdarzenie wypadła jedynka, B 2 zdarzenie wypadła dwójka lub trójka, B 3 zdarzenie wypadła czwórka, piątka lub szóstka, A zdarzenie wylosowana kula jest czarna. Wtedy P (B 1 ) = 1, P (B 6 2) = 1, P (B 3 3) = 1. Ponadto P (A B 2 1) = 0, P (A B 2 ) = 1, P (A B 2 3) = Zatem P (A) = =
24 ZADANIE 20. Rzucamy kostką do gry. Jeśli wypadnie szóstka, to wygrywamy. Jeśli wypadnie piątka, to mamy prawo do następnego rzutu. Jeśli wypadnie liczba mniejsza od piątki, to przegrywamy. Rzucamy dopóki nie wygramy lub przegramy. Oblicz prawdopodobieństwo wygranej. Niech B n oznacza zdarzenie wygraliśmy w n-tym rzucie. Wtedy zdarzenie wygraliśmy jest nieskończoną sumą rozłącznych zdarzeń B n. Zdarzenie B n oznacza, że w pierwszych n 1 rzutach wypadła piątka, a w n-tym szóstka. W takim razie P (B n ) = ( 1 6 ) n 1 1 = ( ) n. Stąd ( ) 1 n P (A) = = 1 n= =
25 ZADANIE 21. Podaj przykład algorytmu imitującego grę z poprzedniego zadania. var n:integer; procedure losuj; begin n:=random(6);n:=n+1; if n=6 then writeln( wygrana ); if n=5 then losuj; if n<5 then writeln( przegrana ); end; begin randomize; losuj; end. 27
26 ZADANIE 22. Rzucamy dwa razy symetryczną monetą. Niech A oznacza zdarzenie za każdym razem padł inny wynik, a B zdarzenie w drugim rzucie padł orzeł. Czy zdarzenia A i B są niezależne? Ω = 4, A = {(o, r), (r, o)}, B = {(r, o), (o, o)}, A B = {(r, o)}. Zatem P (A B) = 1, P (A) P (B) = 1 1 = Stąd zdarzenia są niezależne. 28
27 ZADANIE 23. Rzucamy kostką do gry, A oznacza zdarzenie wypadła liczba podzielna przez 2, a B zdarzenie wypadła liczba podzielna przez 3. Czy zdarzenia te są niezależne? Ω = 6, A = {2, 4, 6}, B = {3, 6}, A B = {6}, P (A B) = 1 6 = Zdarzenia są niezależne. = P (A) P (B). 29
28 ZADANIE 24. Wiemy, że P (A) = 1, P (B) = 1 oraz 2 3 P (A B) = 2. Czy zdarzenia A i B są niezależne? 3 Stąd Wiadomo, że P (A B) = P (A) + P (B) P (A B). 2 3 = P (A B). 3 Zatem P (A B) = 1 = P (A) P (B). Zdarzenia są niezależne. 6 30
29 ZADANIE 25. W pewnym zakładzie stan osobowy zatrudnionych według płci i wykształcenia przedstawia tabelka: wykształcenie płeć wyższe średnie podstawowe razem kobiety mężczyźni Razem Sprawdź, czy zdarzenia A i B, losowo wybrana osoba jest mężczyzną i losowo wybrana osoba ma wyższe wykształcenie są niezależne. P (A) = 24 = 2 12, P (B) = = P (A B) = 8 = 2. Zdarzenia są niezależne
30 ZADANIE 26. W pewnej miejscowości przeprowadzono badania zgonów według przyczyny i płci. Otrzymano zestawienie: przyczyna płeć choroby układu krążenia nowotwory inne razem kobiety mężczyźni Razem Sprawdź czy zdarzenia A i B: przyczyną śmierci jest choroba układu krążenia oraz zmarła osoba jest mężczyzną są niezależne. P (A) = , P (B) =, P (A B) = Zdarzenia są zależne. P (A)P (B). 32
31 ZADANIE studentów podzielonych jest na trzy grupy po 30 osób. Wyniki egzaminu z matematyki według grup przedstawiają się następująco: ocena grupa A grupa B grupa C a) Oblicz prawdopodobieństwo tego, że student zdał egzamin pod warunkiem, że był w grupie C. b) Losowo napotkany student twierdzi, że dostał piątkę. Oblicz prawdopodobieństwo faktu, że był w grupie B. c) Napotkany student twierdzi, że dostał co najmniej ocenę dobrą. Oblicz prawdopodobieństwo tego, że chodził do grupy A. d) Czy zdarzenia A i B, student dostał czwórkę oraz student chodzi do grupy A są niezależne? Trzeba skorzystać z wzorów na prawdopodobieństwo całkowite i z wzoru Bayesa. a) b) c) d) P (A) = = , P (B) = = 30, natomiast P (A B) = Porównując otrzymujemy wniosek, że zdarzenia są niezależne. 33
32 ZADANIE 28. Prawdopodobieństwo, że klient wchodzący do sklepu komputerowego dokona jakiegoś zakupu wynosi 0.4. Do sklepu wchodzi czterech klientów. Jakie jest prawdopodobieństwo, że: a) dokładnie jeden klient dokona zakupu, b) żaden z nich nie dokona zakupu, c) co najmniej dwóch klientów dokona zakupu. a) b(4, 1, 0.4) = ( ) 4 1 (0.4)1 (0.6) 3 = b) b(4, 0, 0.4) = ( ) 4 0 (0.4)0 (0.6) 4 = c) b(4, 2, 0.4)+b(4, 3, 0.4)+b(4, 4, 0.4) = 1 b(4, 0, 0.4) b(4, 1, 0.4) =
33 ZADANIE 29. Napisz procedurę liczącą b(n, k, p) dla danych n, k i p. Żeby uniknąć liczenia silni czyli bardzo dużych liczb lepiej najpierw policzyć logarytm docelowej liczby, a potem zastosować funkcję exp. Oto przykładowa procedura. var n,k,i:integer; a,p,b:real; begin a:=0; for i:=1 to n-k do begin a:=a-ln(i);end; for i:=k+1 to n do begin a:=a+ln(i);end a:=a+k*ln(p)+(n-k)*ln(1-p); b:=exp(a); end. 35
34 ZADANIE 30. Wiemy, że 5% zapałek jest wadliwych. Jakie jest prawdopodobieństwo, że w pudełku z 50 zapałkami jest więcej niż 2 wadliwe? 50 b(50, n, 0.05) = 1 b(50, 0, 0.05) n=3 ( ) 50 b(50, 1, 0.05) b(50, 2, 0.05) = 1 (0.05) 0 (0.95) 50 0 ( ) ( ) 50 (0.05) 1 (0.95) (0.05) 2 (0.95) 48 = =
35 ZADANIE 31. Prawdopodobieństwo, że stan konta wzrośnie w ciągu dnia wynosi 0.12, a prawdopodobieństwo, że stan konta zmaleje wynosi Jakie jest prawdopodobieństwo, że: a) w ciągu trzech dni stan konta dokładnie jednego dnia zmaleje, b) w ciagu trzech dni stan co najmniej w jednym dniu wzrośnie c) w ciagu trzech dni stan ani razu się nie zmieni? a) b(3, 1, 0.1) = ( ) 3 1 (0.1)1 (0.9) 2 = b) 1 b(3, 0, 0.12) = 1 ( ) 3 (0.12)0 (0.88) 3 = c) b(3, 0, 0.22) = ( ) (0.22)0 (0.78) 3 =
36 ZADANIE 32. Rozpatrzmy jeszcze raz zadanie 11. Jakie jest prawdopodobieństwo, że korek wyłączy się w ciągu roku? Rok ma dziesięciominutowych odcinków. Sukces, że wyłączenie nastąpi w takim jednym odcinku wynosi p = Korek się wyłączy, przy przynajmnie jednym sukcesie w próbach, czyli z prawdopodobieństwem k=1 b(52560, k, p) = 1 b(52560, 0, p) = 1 ( ) =
37 ZADANIE 33. Rzucamy n razy symetryczną monetą. Ile co najmniej razy powinniśmy rzucić, aby prawdopodobieństwo zdarzenia przynajmniej raz padł orzeł było większe niż 0.95? Mamy rozwiązać nierówność czyli To znaczy czyli skąd a zatem n b(n, k, 0.5) > 0.95, k=1 b(n, 0, 0.5) < ( ) n (0.5) 0 (0.5) n < 0.05, 0 (0.5) n < 0.05, 2 n > 20, n = 5. 39
38 ZADANIE 34. Rzucamy n kostkami. Jakie powinno być najmniejsze n, aby prawdopodobieństwo zdarzenia na żadnej kostce nie padła szóstka było mniejsze niż Trzeba rozwiązać nierówność ( b n, 0, 1 ) < 0.25, 6 czyli ( 6 5 ) n > 4. Logarytmując otrzymujemy n ln 6 5 > ln 4, czyli Odpowiedź: n = 8. n > ln 4 ln 6 5 =
39 ZADANIE 35. Rzucamy 100 razy dwoma kostkami do gry. Ile razy najprawdopodobniej wyrzucimy dwie szóstki? Szukamy takiego m naturalnego, że ( )p 1 < m ( )p. W naszym przypadku p = 1 36, skąd 2.80 < m Zatem m = 3. Najprawdopodobniej dwie szóstki pojawią sie trzy razy. 41
40 ZADANIE 36. Prawdopodobieństwo, że dorosły mężczyzna nosi brodę wynosi W pewnym zakładzie pracuje 28 mężczyzn. Ilu z nich najprawdopodobniej nosi brodę? czyli Szukamy takiego m, że (28 + 1) < m (28 + 1) 0.08, 1.32 < m Najprawdopodobniej dwóch mężczyzn nosi brodę. 42
41 ZADANIE 37. Rzucamy kostką do gry. Niech X będzie zmienną przyjmującą wartość równą kwadratowi liczby wyrzuconych oczek. Podaj rozkład tej zmiennej. x k p k
42 ZADANIE 38. Rzucamy dwa razy kostką do gry. Niech X będzie zmienną przyjmującą wartość równą sumie wyrzuconych oczek. Podaj rozkład tej zmiennej. Wszytkich zdarzeń elementarnych jest 36. Dwójkę możemy uzyskać na jeden sposób (1 + 1), trójkę na dwa (1 + 2 i itd. Stąd otrzymujemy rozkład. x k p k
43 ZADANIE 39. Rozkład zmiennej losowej X jest dany tabelką: x k p k Wyznacz rozkład zmiennej losowej Y = X 2 3X + 2. Zmienna losowa Y przyjmuje następujące wartości: dla x = 1 wartość = 0, dla x = 2 wartość = 0, dla x = 3 wartość = 2 i dla x = 4 wartość = 6. Zatem Y przyjmuje trzy wartości 0, 2 i 6, co daje następujący rozkład: y k p k
44 ZADANIE 40. Zmienna losowa X ma rozkład o gęstości g(x) = { 1 x 2 dla x (0; 2), 0 dla x (0; 2). Wyznacz gęstość rozkładu Y = X. Niech h(y) oznacza gęstość rozkładu zmiennej Y. Ponieważ gęstość X jest różna od zera tylko dla x > 0, możemy przyjąć a, b > 0. Wówczas b a h(y)dy = P (a < Y < b) = P (a < X < b) = = P (a 2 < X < b 2 ) = b 2 a xχ (0;2)dx. Stosując zamianę zmiennych y = x, czyli y = t 2, dx = 2ydy mamy b 2 a 2 1 b 2 xχ (0;2)dx = a y 3 χ (0; 2) dy. Ostatecznie otrzymujemy odpowiedź. Zmienna losowa Y = X ma gęstość h(y) = { y 3 dla y (0; 2), 0 dla y (0; 2). 46
45 ZADANIE 41. Zmienna losowa X ma rozkład o gęstości g(x) = { 1 x 2 dla x (0; 2), 0 dla x (0; 2). Wyznacz wartość oczekiwaną i wariancję tej zmiennej. E(X) = = D 2 (X) = ( ) 2 1 ( ) ( ) 2 1 ( ) = Odchylenie standardowe jest równe w przybliżeniu
46 ZADANIE 42. Niech X będzie zmienną losową daną w tabelce: x k p k Bez wyznaczania rozkładu zmiennej Y = X 2 wyznacz jej wartość oczekiwaną, wariancję i odchylenie standardowe. E(Y ) = = 4 3. D 2 (Y ) = ( 0 2 3) ( ) ( ) = Odchylenie standardowe jest równe
47 ZADANIE 43. Zmienna losowa X ma rozkład o gęstości g(x) = { 1 x 2 dla x (0; 2), 0 dla x (0; 2). Bez wyznaczania rozkładu Y = X wyznacz wartość oczekiwaną i wariancję zmiennej Y. E(Y ) = E(X 2 ) = = 2 0 D 2 (Y ) = = 2 0 xg(x)dx = 1 x 2 xdx = 1 5 x = ( 1 2 x2 2 5 ( x 4 ) xdx = 2x x ) dx = ( 1 = 6 x3 4 ) x x2 = Odchylenie standardowe
48 ZADANIE 44. Rozwiąż poprzednie zadanie przy pomocy metody Monte Carlo. var k,n:longint; x,srednia:real; f: function(x:real):real; begin f:=sqrt(x)*x/2; end; h:function(x:real):real; begin h:=(sqrt(x)-srednia)*(sqrt(x)-srednia)*x/2; end; procedure int(f:function):real; begin int:=0; for k:=1 to n do begin x:=2*random; int:=int+1/n*f(x); end; end; begin int(f); writeln( srednia=,int); srednia:=int; int(g); writeln( wariancja=,int); end. 50
49 ZADANIE 45. Rzucamy dwa razy kostką. Sprawdź czy zmienne losowe opisujące sumę i iloczyn otrzymanych oczek są niezależne. Łatwo pokazać, że są zależne. Niech S oznacza zmienną losową opisującą sumę, a I iloczyn wyrzuconych liczb. Wtedy np. natomiast P (S = 2 I = 2) = 0, P (S = 2) P (I = 2) =
50 ZADANIE 46. Rzucamy trzy razy monetą. Czy zmienne losowe opisujące liczbę orłów w pierwszych dwóch rzutach i liczbę reszek w ostatnich dwóch rzutach są niezależne? Niech O oznacza pierwszą a R drugą zmienną losową. Zmienne te są zależne, bo np. P (0 = 2 R = 2) = 0, natomiast P (0 = 2) P (R = 2) =
51 ZADANIE 47. Losujemy bez zwracania dwie liczby spośród liczb 1, 2, 3. Niech X będzie zmienną losową opisującą sumę wylosowanych liczb, Y zmienną losową opisującą iloczyn wylosowanych liczb, a Z zmienną losową opisującą moduł różnicy wylosowanych liczb. Wyznacz corr(x, Y ), corr(x, Z), corr(y, Z). Oznaczmy wylosowane liczby przez {a, b} Najpierw wyznaczymy rozkłady zmiennych X, Y i Z i podamy je we wspólnej tabelce {a, b} {1, 2} {1, 3} {2, 3} x k y k z k p k Analogicznie utworzymy rozkłady zmiennych XY, XZ i Y Z. {a, b} {1, 2} {1, 3} {2, 3} x k y k x k z k y k z k p k Liczymy potrzebne wartości średnie i wariancje: E(X) = 1 ( ) =
52 D 2 (X) = 1 3 ( ) = 2 3. E(Y ) = 1 11 ( ) = 3 3. D 2 (Y ) = 1 ( ( 3 5 ) 2 ( ( 7 2 ) + 3 3) 3) = E(Z) = = 4 3. D 2 (Z) = 2 ( ) ( ) = E(XY ) = 1 ( ) = E(XZ) = 1 3 ( ) = E(Y Z) = = W takim razie mamy Cov(X, Y ) = = 4 3. corr(x, Y ) = Cov(X, Z) = = 0. 54
53 corr(x, Z) = 0. Cov(Y, Z) = = 2 9. corr(y, Z) = =
54 ZADANIE 48. Podaj przykład algorytmu opisującego zmienne losowe X, Y, Z, XY, XZ, Y Z z poprzedniego zadania. var n,k,x,y,z,xy,xz,tz:integer; begin randomize; n:=random(3);k:=random(2); n:=n+1; if n=1 then k:=k+2; if n=2 then k:=2*k+1; if n:=3 then k:=k+1; X:=n+k;Y:=n*k;Z:=abs(n-k); XY=X*Y;XZ:=X*Z;YZ:=Y*Z; end. Najpierw losujemy jedną liczbę z trzech. Procedura random(3) losuje 0, 1 lub 2. Dlatego dodajemy jedynkę. Następnie losujemy jedną z dwóch i tak zmieniamy wartości, aby przyjęła wartość jednej z niewylosowanych liczb w pierwszym losowaniu. Naturalnie można ten fragment algorytmu zrealizować na wiele innych sposobów. 56
55 ZADANIE 49. Zmienna losowa X ma rozkład normalny, w którym µ = 600 i σ = 120. Oblicz P (X < 550), P (550 < X < 650), P (700 < X < 800). Mamy µ = 600, σ = 120, w pierwszym przypadku a =, b = 550. Stąd c =, d = = Korzystając z tablicy 1 lub z komputera Φ( 0.42) = 1 Φ(0.42) = = W drugim przypadku a = 550, b = 650. Stąd c = 0.42, d = Stąd P (550 < X < 650) = Φ(0.42) Φ( 0.42) = 2Φ(0.42) 1 = W trzecim przypadku a = 700, b = 800. Stąd c = = 0.83, d = = Zatem P (600 < X < 800) = Φ(1.67) Φ(0.83) = =
56 ZADANIE 50. Zmienna losowa X ma rozkład normalny N(200, 70). Wyznacz takie x, że P (X < x) = 0, 76, P (X > x) = 0.63, P (210 < X < x) = Mamy µ = 200, σ = 120. Wiemy, że P (X < x) = Φ(c), gdzie c = x µ. Otrzymujemy w pierwszym punkcie σ równanie Φ(c) = Korzystając z tablicy 2 mamy c = , stąd x = c σ + µ = W drugim przypadku mamy P (X > x) = 1 P (X < x) = 1 Φ(c) = Stąd Φ(c) = W tablicy 2 podane są tylko argumenty większe od 0.5, czyli takie p, że u(p) > 0. Ale wiadomo, że u(p) = u(1 p), skąd c = u(0.63) = W trzecim przypadku mamy P (1 < X < x) = Φ(d) Φ(c), gdzie c = 210 µ, d = x µ. Stąd c = 0.14 i otrzymjemy równanie 0.01 = Φ(d) Φ(0.14) = Φ(d) σ σ Stąd Φ(d) = Korzystając z tablicy albo komputera Otrzymamy d Zatem x = dσ + µ =
57 ZADANIE 51. Zakładając, że mamy procedurę pod nazwą calka(f,a,b) liczącą całki z funkcji f w przedziale [a; b] podaj przykład programu obliczającego dla zmiennej X o rozkładzie N(u, v) i danych a i b P (x < X < y) var a,b,c,d,u,v,wynik:real procedure calka(f:function;a,b:real):real begin... end; function f(var t:real):real; begin f:=(1/sqrt(2*pi))*exp(-x*x/2); end; begin readln(u,v,x,y); c:=(a-u)/v;d:=(b-u)/v; wynik:=calka(f,c,d);end. 59
58 ZADANIE 52. Zaobserwowano, że waga noworodków w pewnym szpitalu ma rozkład normalny z wartością średnią 3.6 kg i odchyleniem standardowym 0.26 kg. Jakie jest prawdopodobieństwo, że dziecko urodzone w tym szpitalu waży: a) więcej niż 4 kg?; b) mniej niż 3 kg? a) a = 4, b =. Stąd c = 4 3.6, d =. Zatem 0.26 P (4 < X) = 1 Φ(c) = b) a =, b = 3, Stąd c =, d = = Zatem P (X > 3) = Φ( 2.31) = 1 Φ(2.31) = =
59 ZADANIE 53. Czas pracy żarówek produkowanych w pewnym zakładzie ma rozkład normalny z wartością średnią 700 godzin i odchyleniem standardowym 220 godzin. Jakie jest prawdopodobieństwo, że żarówka zepsuje się przed upływem 500 godzin pracy? Mamy µ = 700, σ = 220, a =, b = 500. Stąd c =, d = = Zatem P (X < 500) = Φ( 0.91) = 1 Φ(0.91) = =
60 ZADANIE 54. Plony zboża w gospodarstwach rolnych mają rozkład normalny z wartością średnią 45 kwintali/ha i odchyleniem standardowym 14 kwintali/ha. Jaki procent gospodarstw ma wydajność większą niż 50 kwintali z hektara? Dane: µ = 45, σ = 14, a = 50, b =. Stąd c = = 0.36, d =. Zatem P (50 < X) = 1 Φ(.36) = = Odp. 36%. 62
61 ZADANIE 55. Wzrost żołnierzy ma rozkład normalny ze średnią 177 cm i odchyleniem standardowym 13 cm. W jednostce wojskowej służy 1050 żołnierzy. Do kompanii honorowej zostanie wybranych 90 najwyższych. Ile trzeba mieć wzrostu, aby zostać wybranym? W tym zadaniu mamy dane prawdopodobieństwo P (X > a) = 90 = 0.086, a musimy wyznaczyć a. Mamy = P (X > a) = 1 Φ(c), gdzie c = a Stąd Φ(c) = W tablicach rozkładu normalnego znajdujemy, że c = Stąd mamy równanie skąd a = = a 177, 13 Odp. Trzeba mieć co najmniej 194 cm wzrostu. 63
62 ZADANIE 56. Zbadano, że wypłaty z pewnego bankomatu mają rozkład normalny ze średnią 700 zł i odchyleniem standardowym 300 zł. Jakie jest prawdopodobieństwo, że 100 klientów wypłaci w sumie więcej niż złotych? Trzeba skorzystać z twierdzenia o sumach zmiennych losowych o rozkładach normalnych. Wynika z niego, że sumaryczna kwota wypłacona przez 100 klientów ma rozkład normalny z wartością średnią = oraz odchyleniem standardowym równym = Mamy obliczyć P (X > 75000), zatem a = 75000, b =, skąd c = = zatem P (X > 75000) = 1 Φ(1.67) = =
63 ZADANIE 57. Rozważamy ten sam bankomat, co w poprzednim zadaniu. Ile pieniędzy powinno być w bankomacie, każdego dnia, aby z prawdopodobieństwem 0.99 starczyło gotówki dla dwustu klientów. Kwota wypłacona przez 200 klientów ma rozkład normalny ze średnią oraz odchyleniem standardowym = Niech a oznacza kwotę, o którą sie pytamy w zadaniu. Chcemy aby Ale P (X > a) = P (X > a) = 1 Φ(c), gdzie c = a , przy czym Φ(c) = Z tablic kwantyli rozkładu normalnego znajdujemy c = Stąd a = = Odp. Bank powinien zabezpieczyć w bankomacie kwotę złote. 65
64 ZADANIE 58. Wiadomo, że 80% osób odwiedzających supermarket dokonuje zakupów. Pewnego dnia odwiedziło supermarket 1355 osób. Jakie jest prawdopodobieństwo, że więcej niż 1100 dokonało zakupów? Zastosujemy przybliżenie rozkładu dwumianowego rozkładem normalnym (twierdzenie Moivre a-laplace a). P (X > 1100) 1 Φ(c), gdzie c = = (1.0.8) = Zatem 1 Φ(1.09) = 66
65 ZADANIE 59. Ile razy powinniśmy rzucić monetą, aby z prawdopodobieństwem 0.9 wypadło mniej niż 51% orłów? Niech n oznacza potrzebną liczbę rzutów. Chcemy aby P (X < 0.51n) = 0.9. Stosując przybliżenie Moivre a-laplace a otrzymujemy Φ(c) = 0.99, gdzie c = 0.51n 0.5n n0.25. Z tablicy 2 znajdujemy c = Stąd Otrzymujemy n = = n. 67
66 ZADANIE 60. W pewnym osiedlu jest sklep spożywczy. Wiadomo, że 600 mieszkańców osiedla dokonuje codziennie zakupu chleba wybierając losowo z prawdopodobieństwem 0.5 albo ten sklep albo sklep w pobliżu miejsca pracy w innej dzielnicy. Ile bochenków chleba powinien zamawiać codziennie właściciel sklepu, aby z prawdopodobieństwem 0.9 nie mieć zwrotów? Możemy potraktować wybór przez mieszkańców osiedla sklepu jako jedną próbę Bernoulliego z p = 0.5. Uznajmy za sukces wybór przez mieszkańca osiedla sklepu osiedlowego. Oznaczmy liczbę zamawianych przez właściciela bochenków przez k. Właściciel nie będzie miał zwrotów z prawdopodobieństwem 0.9 jeśli liczba sukcesów będzie mniejsza niż k z prawdopodobieństwem = 0.1. Czyli gdy P (X < k) = 0.1. Ale P (X < k) = Φ(d), gdzie d = k = k 300. W tablicy kwantyli rozkładu normalnego znajdujemy Φ(d) = 0.1 = 1 Φ( d). Stąd Φ( d) = 0.9. Zatem d = 1.28, czyli d = stąd k = = 284. Odp. Właściciel powinien zamawiać 284 bochenki. 68
67 ZADANIE 61. W pewnej loterii los kosztuje 7 z. 10% losów wygrywa 30 zł., 5% losów wygrywa 40 zł., 2% losów wygrywa 50 zł., a 1% losów wygrywa 80 zł. Pan X kupił 100 losów. Oblicz prawdopodobiestwo, że straci mniej niż 50 zł. Skorzystamy z centralnego twierdzenia granicznego. Rozkład odpowiadajźcy warunkom loterii przedstawiamy w tabelce: x i p i Wyliczamy średnią i odchylenie standardowe rozkładu. Mamy µ = 0.82 ( 7) = 0.2. σ 2 = 0.82 [ 7 ( 0.2)] [23 ( 0.2)] [33 ( 0.2)] [43 ( 0.2)] [73 ( 0.2)] 2 = Stąd σ = =
68 Szukane prawdopodobiestwo P (a < S n < b) wynosi (w przybliżeniu) Φ(d) Φ(c), gdzie c = a nµ σ, d = b nµ n σ. W n naszym przypadku a = 50, b =. Zatem c = , d =. Korzystając z tablic lub komputera otrzymamy Φ( ) Φ( ) = = Odp. Prawdopodobieństwo, że pan X straci mniej niż 50 złotych wynosi około
69 Definicje, wzory i tablice Liczba permutacji: Liczba kombinacji: P n = n! = n. C k n = Liczba wariacji bez powtórzeń: ( ) n n! = k k!(n k)!. A k n = n! (n k)!. Liczba wariacji z powtórzeniami: W k n = n k. P (A B) = P (A) + P (B) P (A B). Prawdopodobieństwo zdarzenia A pod warunkiem B: P (A B) = P (A B). P (B) Wzór na prawdopodobieństwo całkowite: P (A) = n P (A B n ) P (B n ), gdzie B i rozłączne zdarzenia w sumie dające całe Ω. Wzór Bayesa: P (B k A) = P (A B k) P (B k ) n P (A B n) P (B n ), gdzie B i rozłączne zdarzenia w sumie dające całe Ω. 71
70 Zdarzenia A i B są niezależne, jeśli: P (A B) = P (A) P (B). Prawdopodobieństwo k sukcesów w n próbach w schemacie Bernoulliego: ( ) n b(n, k, p) = p k (1 p) n k. k Najbardziej prawdopodobna liczba sukcesów w n próbach Bernoulliego: jest to liczba naturalna m taka, że (n + 1)p 1 < m (n + 1)p. Przez rozkład zmiennej losowej X rozumiemy podanie prawdopodobieństwa wszystkich zdarzeń postaci: {x : a < X(x) < b}. Dystrybuantą zmiennej losowej nazywamy funkcję F określoną następująco: F (x) = P (X x). Rozkład jednostajny na przedziale [0; 1]. Jest to rozkład, dla którego funkcja gęstości g jest dana wzorem: { 1 dla x (0; 1) g(x) = 0 dla x (0; 1). Wartością oczekiwaną (średnią lub przeciętną) zmiennej losowej X o rozkładzie punktowym nazywamy liczbę: E(X) = i x i P (X = x i ). 72
71 Jeśli zmienna X ma rozkład ciągły o gęstości ρ, to wartością oczekiwaną tej zmiennej nazywamy liczbę; E(X) = Własności wartości oczekiwanej: 1) E(X + Y ) = E(X) + E(Y ), 2) E(aX) = ae(x), a IR, 3) Jeśli X 0, to E(X) 0. xρ(x)dx. Wariancją zmiennej losowej X nazywamy liczbę D 2 (X) zdefiniowaną następująco: D 2 (X) = E((X E(X)) 2 ) = E(X 2 ) (E(X)) 2. Dla rozkładu punktowego wyraża się ona wzorem D 2 (X) = k (x k E(X)) 2 p k, a dla rozkładu ciągłego o gęstości ρ wzorem Liczbę D 2 (X) = (x E(X)) 2 ρ(x)dx. σ(x) = D 2 (X) nazywamy odchyleniem standardowym. Niech X będzie zmienną losową przyjmującą wartości w zbiorze B IR, a h funkcją, h : B IR. Wtedy zmienna losowa i wariancja zmiennej losowej h(x) wyraża się wzorem: E(h(X)) = k h(x k )p k, oraz D 2 (h(x)) = k (h(x k ) E(h(X)) 2 p k, 73
72 dla rozkładu punktowego. oraz D 2 (h(x)) = E(h(X)) = dla rozkładu ciągłego o gęstości ρ. h(x)ρ(x) dx, (h(x) E(h(X))) 2 ρ(x)dx, Wyznaczanie prawdopodobieństw w dowolnym rozkładzie normalnym przy pomocy standardowego rozkładu normalnego N(0, 1). Niech X będzie zmienną losową o rozkładzie normalnym N(µ, σ). Wtedy gdzie c = a µ σ P (a < X < b) = Φ(d) Φ(c),, d = b µ σ, a Φ dystrybuantą rozkładu N(0, 1). Sumy niezależnych zmiennych o rozkładach normalnych. Jeśli X 1,, X n są niezależnymi rozkładami typu N(µ i, σ i ), to zmienna X X n ma rozkład N(µ, σ), gdzie µ = µ µ n, σ = σ σ2 n. Obliczanie prawdopodobieństw dla sumy niezależnych identycznych rozkładów przy pomocy centralnego twierdzenia granicznego Niech S n = X X n, gdzie X i są niezależnymi identycznymi rozkładami o średniej µ i odchyleniu standardowym σ. Wtedy P (a < S n < b) Φ(d) Φ(c), gdzie c = a nµ σ n, d = b nµ σ n. Obliczanie prawdopodobieństw w rozkładzie dwumianowym przy pomocy standardowego rozkładu normalnego N(0, 1): Niech X będzie zmienną losową o rozkładzie Bin(n, p). Wtedy gdzie c = P (a < X < b) Φ(d) Φ(c), a np, d = b np. np(1 p) np(1 p) 74
73 Tablica 1. Wartości Φ(u) rozkładu normalnego N(0, 1) u 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359 0,1,5398,5438,5478,5517,5557,5596,5636,5675,5714,5753 0,2,5793,5832,5871,5910,5948,5987,6026,6064,6103,6141 0,3,6179,6217,6255,6293,6331,6368,6406,6443,6480,6517 0,4,6554,6591,6628,6664,6700,6736,6772,6808,6844,6879 0,5,6915,6950,6985,7019,7054,7088,7123,7157,7190,7224 0,6,7257,7290,7324,7357,7389,7422,7454,7486,7517,7549 0,7,7580,7611,7642,7673,7704,7734,7764,7794,7823,7852 0,8,7881,7910,7939,7967,7995,8023,8051,8078,8106,8133 0,9,8159,8186,8212,8238,8264,8289,8340,8340,8365,8389 1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621 1,1,8643,8665,8686,8708,8729,8749,8770,8790,8810,8830 1,2,8849,8869,8888,8907,8925,8944,8962,8980,8997,9015 1,3,9032,9049,9066,9082,9099,9115,9131,9147,9162,9177 1,4,9192,9207,9222,9236,9251,9265,9279,9292,9306,9319 1,5,9332,9345,9357,9370,9382,9394,9406,9418,9429,9441 1,6,9452,9463,9474,9484,9495,9505,9515,9525,9535,9545 1,7,9554,9564,9573,9582,9591,9599,9608,9616,9625,9633 1,8,9641,9649,9656,9664,9671,9678,9686,9693,9699,9706 1,9,9713,9719,9726,9732,9738,9744,9750,9756,9761,9767 2,0 0,9772 0,9779 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817 2,1,9821,9826,9830,9834,9838,9842,9846,9850,9854,9857 2,2,9861,9864,9868,9871,9875,9878,9881,9884,9887,9890 2,3,9893,9896,9898,9901,9904,9906,9909,9911,9913,9916 2,4,9918,9920,9922,9925,9927,9929,9931,9932,9934,9936 2,5,9938,9940,9941,9943,9945,9946,9948,9949,9951,9952 2,6,9953,9955,9956,9957,9959,9960,9961,9962,9963,9964 2,7,9965,9966,9967,9968,9969,9970,9971,9972,9973,9974 2,8,9974,9975,9976,9977,9977,9978,9979,9979,9980,9981 2,9,9981,9982,9982,9983,9984,9984,9985,9985,9986,9986 3,0,9987,9987,9987,9988,9988,9989,9989,9989,9990,9990 3,1,9990,9991,9991,9991,9992,9992,9992,9992,9993,9993 3,2,9993,9993,9994,9994,9994,9994,9994,9995,9995,9995 3,3,9995,9995,9995,9996,9996,9996,9996,9996,9996,9997 3,4,9997,9997,9997,9997,9997,9997,9997,9997,9997,
74 Tablica 2. Kwantyle rozkładu normalnego N(0, 1), u(p) = Φ 1 (p) p Φ 1 (p) p Φ 1 (p) Tablica 2.5 Uproszczone kwantyle u(p) rozkładu normalnego N(0, 1) p 0,90 0,95 0,975 0,99 0,995 u(p) 1,28 1,64 1,96 2,33 2,58 76
Zadanie 1 W finale rzutu dyskiem startuje 12 zawodników. Ile jest wszystkich możliwych wyników? Odp. Możliwych wyników jest
Zadanie 1 W finale rzutu dyskiem startuje 12 zawodników. Ile jest wszystkich możliwych wyników? Możliwych wyników jest 479001600 Zadanie 2 Pewien salon samochodowy ma w sprzedaży 8 modeli samochodów. Ma
Bardziej szczegółowo12DRAP - parametry rozkładów wielowymiarowych
DRAP - parametry rozkładów wielowymiarowych Definicja.. Jeśli h : R R, a X, Y ) jest wektorem losowym o gęstości fx, y) to EhX, Y ) = hx, y)fx, y)dxdy. Jeśli natomiast X, Y ) ma rozkład dyskretny skupiony
Bardziej szczegółowoZestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) =
Zestaw : Zmienne losowe. Które z poniższych funkcji są dystrybuantami? Odpowiedź uzasadnij. Wskazówka: naszkicuj wykres. 0, x 0,, x 0, F (x) = x, F (x) = x, 0 x
Bardziej szczegółowoLista 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 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 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 szczegółowoWykład 3 Jednowymiarowe zmienne losowe
Wykład 3 Jednowymiarowe zmienne losowe Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną Definicja 1 Jednowymiarowa zmienna losowa (o wartościach rzeczywistych), określoną na przestrzeni probabilistycznej
Bardziej szczegółowozadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych
zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych 1. [E.A 5.10.1996/zad.4] Funkcja gęstości dana jest wzorem { 3 x + 2xy + 1 y dla (x y) (0 1) (0 1) 4 4 P (X > 1 2 Y > 1 2 ) wynosi:
Bardziej 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 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 szczegółowoWYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty
WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 4 / 9 Przekształcenia zmiennej losowej X
Bardziej szczegółowo4,5. Dyskretne zmienne losowe (17.03; 31.03)
4,5. Dyskretne zmienne losowe (17.03; 31.03) Definicja 1 Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x 1, x 2,..., można ustawić w ciag. Zmienna losowa X, która przyjmuje wszystkie
Bardziej szczegółowoLista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie
Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Jarosław Kotowicz Instytut Matematyki Uniwersytet w
Bardziej 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 szczegółowoDyskretne zmienne losowe
Dyskretne zmienne losowe dr Mariusz Grządziel 16 marca 2009 Definicja 1. Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x 1, x 2,..., można ustawić w ciag. Zmienna losowa X, która
Bardziej 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 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 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 szczegółowoWykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe
Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Nierówność Czebyszewa Niech X będzie zmienną losową o skończonej wariancji V ar(x). Wtedy wartość oczekiwana E(X) też jest skończona i
Bardziej 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 szczegółowoLaboratorium nr 7. Zmienne losowe typu skokowego.
Laboratorium nr 7. Zmienne losowe typu skokowego.. Zmienna losowa X ma rozkład dany tabelką: - 0 3 0, 0,3 0, 0,3 0, Naszkicować dystrybuantę zmiennej X. Obliczyć EX oraz VarX.. Zmienna losowa ma rozkład
Bardziej 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 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 szczegółowoSTATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA
STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;
Bardziej 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 szczegółowoZmienna losowa. Rozkład skokowy
Temat: Zmienna losowa. Rozkład skokowy Kody kolorów: żółty nowe pojęcie pomarańczowy uwaga * - materiał nadobowiązkowy Anna Rajfura, Matematyka i statystyka matematyczna na kierunku Rolnictwo SGGW 1 Zagadnienia
Bardziej szczegółowoWykład 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 szczegółowo6. Zmienne losowe typu ciagłego ( ) Pole trapezu krzywoliniowego
6. Zmienne losowe typu ciagłego (2.04.2007) Pole trapezu krzywoliniowego Przypomnienie: figurę ograniczoną przez: wykres funkcji y = f(x), gdzie f jest funkcją ciągłą; proste x = a, x = b, a < b, oś OX
Bardziej szczegółowoR_PRACA KLASOWA 1 Statystyka i prawdopodobieństwo.
R_PRACA KLASOWA 1 Statystyka i prawdopodobieństwo. Zadanie 1. Wyznacz średnią arytmetyczną, dominantę i medianę zestawu danych: 1, 5, 3, 2, 2, 4, 4, 6, 7, 1, 1, 4, 5, 5, 3. Zadanie 2. W zestawie danych
Bardziej szczegółowoDrugie kolokwium z Rachunku Prawdopodobieństwa, zestaw A
Drugie kolokwium z Rachunku Prawdopodobieństwa, zestaw A Zad. 1. Korzystając z podanych poniżej mini-tablic, oblicz pierwszy, drugi i trzeci kwartyl rozkładu N(10, 2 ). Rozwiązanie. Najpierw ogólny komentarz
Bardziej szczegółowoElementy Rachunek prawdopodobieństwa
Elementy rachunku prawdopodobieństwa Rachunek prawdopodobieństwa zajmuje się analizą praw rządzących zdarzeniami losowymi Pojęciami pierwotnymi są: zdarzenie elementarne ω oraz zbiór zdarzeń elementarnych
Bardziej szczegółowo07DRAP - Zmienne losowe: dyskretne i ciągłe
07DRAP - Zmienne losowe: dyskretne i ciągłe Słynne rozkłady dyskretne Rozkład parametry P (X = k dla k = E(X Var(X uwagi ( dwumianowy n, p n k p k ( p n k 0,,, n np np( p liczba sukcesów w n próbach Bernoulliego
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 szczegółowoIII. ZMIENNE LOSOWE JEDNOWYMIAROWE
III. ZMIENNE LOSOWE JEDNOWYMIAROWE.. Zmienna losowa i pojęcie rozkładu prawdopodobieństwa W dotychczas rozpatrywanych przykładach każdemu zdarzeniu była przyporządkowana odpowiednia wartość liczbowa. Ta
Bardziej szczegółowoRozkłady 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 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 szczegółowoPrzestrzeń probabilistyczna
Przestrzeń probabilistyczna (Ω, Σ, P) Ω pewien niepusty zbiór Σ rodzina podzbiorów tego zbioru P funkcja określona na Σ, zwana prawdopodobieństwem. Przestrzeń probabilistyczna (Ω, Σ, P) Ω pewien niepusty
Bardziej szczegółowoĆwiczenia 3 ROZKŁAD ZMIENNEJ LOSOWEJ JEDNOWYMIAROWEJ
Ćwiczenia 3 ROZKŁAD ZMIENNEJ LOSOWEJ JEDNOWYMIAROWEJ Zadanie 1. Zmienna losowa przyjmuje wartości -1, 0, 1 z prawdopodobieństwami równymi odpowiednio: ¼, ½, ¼. Należy: a. Wyznaczyć rozkład prawdopodobieństwa
Bardziej szczegółowoMetody 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 szczegółowoRozdział 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 szczegółowop k (1 p) n k. k c. dokładnie 10 razy została wylosowana kula amarantowa, ale nie za pierwszym ani drugim razem;
05DRAP - Niezależność zdarzeń, schemat Bernoulliego Definicja.. Zdarzenia A i B nazywamy niezależnymi, jeżeli zachodzi równość P(A B) = P(A) P(B). Definicja. 2. Zdarzenia A,..., A n nazywamy niezależnymi
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne
Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne 5.2. Momenty rozkładów łącznych. Katarzyna Rybarczyk-Krzywdzińska rozkładów wielowymiarowych Przypomnienie Jeśli X jest zmienną losową o rozkładzie
Bardziej szczegółowoL.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 szczegółowoTemat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły. Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga. Anna Rajfura, Matematyka
Temat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga 1 Zagadnienia 1. Przypomnienie wybranych pojęć rachunku prawdopodobieństwa. Zmienna losowa. Rozkład
Bardziej szczegółowoZadania zestaw 1: Zadania zestaw 2
Zadania zestaw 1: Zadania zestaw 2 Zadania zestaw 3. 1 Rozkład zmiennej losowej skokowej X przedstawia tabela. x i m 0 n p i 0,4 0,3 0,3 a) Wyznacz m i n jeśli: są całkowite, m
Bardziej 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 szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA
RACHUNEK PRAWDOPODOBIEŃSTWA Zadanie 1. W urnie jest 1000 kartoników będących losami loterii pieniężnej. Cztery z kartoników wygrywają po 100 zł i szesnaście po 10 zł. Reszta kartoników to losy puste. Pierwszy
Bardziej szczegółowoKURS PRAWDOPODOBIEŃSTWO
KURS PRAWDOPODOBIEŃSTWO Lekcja 3 Definicja prawdopodobieństwa Kołmogorowa. Prawdopodobieństwa warunkowe i niezależne. ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowiedź (tylko
Bardziej szczegółowo{( ) ( ) ( ) ( )( ) ( )( ) ( RRR)
.. KLASYCZNA DEFINICJA PRAWDOPODOBIEŃSTWA Klasyczna definicja prawdopodobieństwa JeŜeli jest skończonym zbiorem zdarzeń elementarnych jednakowo prawdopodobnych i A, to liczbę A nazywamy prawdopodobieństwem
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 szczegółowoRozkład zajęć, statystyka matematyczna, Rok akademicki 2015/16, semestr letni, Grupy dla powtarzających (C15; C16)
Rozkład zajęć, statystyka matematyczna, Rok akademicki 05/6, semestr letni, Grupy powtarzających (C5; C6) Lp Grupa C5 Grupa C6 Liczba godzin 0046 w godz 600-000 C03 0046 w godz 600-000 B05 4 6046 w godz
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 szczegółowoSIMR 2017/18, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania
SIMR 7/8, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania. Dana jest gęstość prawdopodobieństwa zmiennej losowej ciągłej X : { a( x) dla x [, ] f(x) = dla pozostałych x Znaleźć: i) Wartość parametru
Bardziej 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 szczegółowoCentralne twierdzenie graniczne
Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski Wykład 4 Ważne uzupełnienie Dwuwymiarowy rozkład normalny N (µ X, µ Y, σ X, σ Y, ρ): f XY (x, y) = 1 2πσ X σ Y 1 ρ 2 { [ (x ) 1
Bardziej szczegółowoL.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 szczegółowoRzucamy dwa razy sprawiedliwą, sześcienną kostką do gry. Oblicz prawdopodobieństwo otrzymania:
Statystyka Ubezpieczeniowa Część 1. Rachunek prawdopodobieństwa: - prawdopodobieństwo klasyczne - zdarzenia niezależne - prawdopodobieństwo warunkowe - prawdopodobieństwo całkowite - wzór Bayesa Schemat
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 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 szczegółowoc. dokładnie 10 razy została wylosowana kula antracytowa, ale nie za pierwszym ani drugim razem;
05DRAP - Niezależność zdarzeń, schemat Bernoulliego A Zadania na ćwiczenia Zadanie A.. Niech Ω = {ω, ω 2, ω, ω, ω 5 } i P({ω }) = 8, P({ω 2}) = P({ω }) = P({ω }) = 6 oraz P({ω 5}) = 5 6. Niech A = {ω,
Bardziej szczegółowoĆwiczenia 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 szczegółowob) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas:
ROZWIĄZANIA I ODPOWIEDZI Zadanie A1. Można założyć, że przy losowaniu trzech kul jednocześnie kolejność ich wylosowania nie jest istotna. A więc: Ω = 20 3. a) Niech: - wśród trzech wylosowanych opakowań
Bardziej szczegółowoćwiczenia z rachunku prawdopodobieństwa
ćwiczenia z rachunku prawdopodobieństwa 9.10.2010 ogólna definicja prawdopodobieństwa, własności 1. Niech Ω = [0, 1] oraz niech Σ będzie pewną σ-algebrą podzbiorów odcinka [0, 1]. Udowodnić, że funkcja
Bardziej szczegółowoElementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa
Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący
Bardziej szczegółowoZmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014
Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014 Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe
Bardziej szczegółowoRozkłady zmiennych losowych
Rozkłady zmiennych losowych Wprowadzenie Badamy pewną zbiorowość czyli populację pod względem występowania jakiejś cechy. Pobieramy próbę i na podstawie tej próby wyznaczamy pewne charakterystyki. Jeśli
Bardziej szczegółowoWykład 10 Estymacja przedziałowa - przedziały ufności dla średn
Wykład 10 Estymacja przedziałowa - przedziały ufności dla średniej Wrocław, 21 grudnia 2016r Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja 10.1 Przedziałem
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 szczegółoworachunek prawdopodobieństwa - zadania
rachunek prawdopodobieństwa - zadania ogólna definicja prawdopodobieństwa, własności - 6.10.2012 1. (d, 1pkt) Udowodnić twierdzenie 2 tj. własności prawdopodobieństwa (W1)-(W7). 2. Niech Ω = [0,1] oraz
Bardziej szczegółowoZadania z Zasad planowania eksperymentu i opracowania wyników pomiarów. Zestaw 2.
Zestaw. Zadanie.. Prawdziwa wiedza polega na zrozumieniu przyczyn Francis Bacon Zmienna losowa X może przyjmować podane poniżej wartości z określonym prawdopodobieństwem: x i 4 p i / /6 /6 / Przedstaw
Bardziej szczegółowoPRAWDOPODOBIEŃSTWO CZAS PRACY: 180 MIN. ZADANIE 1 (5 PKT) NAJWIEKSZY INTERNETOWY ZBIÓR ZADAŃ Z MATEMATYKI
IMIE I NAZWISKO PRAWDOPODOBIEŃSTWO PRAWDOPODOBIEŃSTWO CZAS PRACY: 180 MIN. SUMA PUNKTÓW: 100 ZADANIE 1 (5 PKT) Rzucono dwiema sześciennymi kostkami do gry i określono zdarzenia A na każdej kostce wypadła
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 szczegółowoKURS PRAWDOPODOBIEŃSTWO
KURS PRAWDOPODOBIEŃSTWO Lekcja 2 Klasyczna definicja prawdopodobieństwa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowiedź (tylko jedna jest prawdziwa). Pytanie 1 Według klasycznej
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 szczegółowoEstymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014
Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu
Bardziej szczegółowoJeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.
Wykład 4 Rozkłady i ich dystrybuanty Dwa typy zmiennych losowych Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x, x 2,...}, to mówimy, że jest to zmienna dyskretna.
Bardziej szczegółowoNAJWIEKSZY INTERNETOWY ZBIÓR ZADAŃ Z MATEMATYKI ZADANIE 1 oczka. ZADANIE 2 iloczynu oczek równego 12.
IMIE I NAZWISKO ZADANIE 1 Rzucamy sześcienna kostka do gry. Jakie jest prawdopodobieństwo, że wypadna co najmniej dwa oczka. ZADANIE 2 Rzucamy trzy razy symetryczna sześcienna kostka do gry. Oblicz prawdopodobieństwo
Bardziej szczegółowoPEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA
PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA 1. Trójkę (Ω, F, P ), gdzie Ω, F jest σ-ciałem podzbiorów Ω, a P jest prawdopodobieństwem określonym na F, nazywamy przestrzenią probabilistyczną. 2. Rodzinę F
Bardziej szczegółowo12. RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA zadania
2. RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA zadania Zad.2.. Oblicz ile moŝna utworzyć z cyfr 0,, 2, liczb: a) dwucyfrowych, których cyfry mogą się powtarzać; b) trzycyfrowych o niepowtarzających się cyfrach;
Bardziej szczegółowoLista zadania nr 4 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie
Lista zadania nr 4 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Jarosław Kotowicz Instytut Matematyki Uniwersytet w
Bardziej szczegółowoStatystyka matematyczna
Statystyka matematyczna Wykład 5 Magdalena Alama-Bućko 1 kwietnia 2019 Magdalena Alama-Bućko Statystyka matematyczna 1 kwietnia 2019 1 / 19 Rozkład Poissona Po(λ), λ > 0 - parametr tzw. rozkład zdarzeń
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 szczegółowoStatystyka. Wydział Zarządzania Uniwersytetu Łódzkiego
Statystyka Wydział Zarządzania Uniwersytetu Łódzkiego 2017 Podstawowe rozkłady zmiennych losowych Rozkłady zmiennych skokowych Rozkład zero-jedynkowy Rozpatrujemy doświadczenie, którego rezultatem może
Bardziej szczegółowoNa A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n)
MODELE STATYSTYCZNE Punktem wyjścia w rozumowaniu statystycznym jest zmienna losowa (cecha) X i jej obserwacje opisujące wyniki doświadczeń bądź pomiarów. Zbiór wartości zmiennej losowej X (zbiór wartości
Bardziej szczegółowoWykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.
Rachunek prawdopodobieństwa MAT1332 Wydział Matematyki, Matematyka Stosowana Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów. Warunkowa
Bardziej szczegółowoMetody Statystyczne. Metody Statystyczne.
gkrol@wz.uw.edu.pl #4 1 Sprawdzian! 5 listopada (ok. 45-60 minut): - Skale pomiarowe - Zmienne ciągłe i dyskretne - Rozkład teoretyczny i empiryczny - Miary tendencji centralnej i rozproszenia - Standaryzacja
Bardziej szczegółowoI. Kombinatoryka i prawdopodobieństwo. g) różnowartościowych, h) bez miejsc zerowych, i) z jednym miejscem zerowym, j) z dwoma miejscami zerowymi,
I. Kombinatoryka i prawdopodobieństwo I.1 Mała Lusia bawi się literkami A,A,A,E,K,M,M,T,T,Y ustawiając je w różnej kolejności. Jakie jest prawdopodobieństwo ustawienia wyrazu MATEMATYKA? I. Wśród funkcji
Bardziej szczegółowoWIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI. Zmienna losowa i jej rozkład
WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI Zmienna losowa i jej rozkład ZMIENNA LOSOWA Funkcja X przyporządkowująca każdemu zdarzeniu elementarnemu jedną i tylko jedną liczbę x. zmienna losowa skokowa skończona
Bardziej szczegółowoi=7 X i. Zachodzi EX i = P(X i = 1) = 1 2, i {1, 2,..., 11} oraz EX ix j = P(X i = 1, X j = 1) = 1 7 VarS 2 2 = 14 3 ( 5 2 =
Kombinatoryka W tej serii zadań można znaleźć pojawiające się na egzaminach zadania dotyczące problemu wyznaczania prostych parametrów rozkładu w przypadku zgadnień kombinatorycznych. Zadania te wymagają
Bardziej szczegółowoc) Zaszły oba zdarzenia A i B; d) Zaszło zdarzenie A i nie zaszło zdarzenie B;
Rachunek prawdopodobieństwa rozwiązywanie zadań 1. Rzucamy dwa razy symetryczną sześcienną kostką do gry. Zapisujemy liczbę oczek, jakie wypadły w obu rzutach. Wypisz zdarzenia elementarne tego doświadczenia.
Bardziej szczegółowoMATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ
MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ Opracowała: Milena Suliga Wszystkie pliki pomocnicze wymienione w treści
Bardziej szczegółowoNiech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX = 4 i EY = 6. Rozważamy zmienną losową Z =.
Prawdopodobieństwo i statystyka 3..00 r. Zadanie Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX 4 i EY 6. Rozważamy zmienną losową Z. X + Y Wtedy (A) EZ 0,
Bardziej szczegółowoEstymacja parametrów w modelu normalnym
Estymacja parametrów w modelu normalnym dr Mariusz Grządziel 6 kwietnia 2009 Model normalny Przez model normalny będziemy rozumieć rodzine rozkładów normalnych N(µ, σ), µ R, σ > 0. Z Centralnego Twierdzenia
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 szczegółowoLista 1a 1. Statystyka. Lista 1. Prawdopodobieństwo klasyczne i geometryczne
Lista 1a 1 Statystyka Lista 1. Prawdopodobieństwo klasyczne i geometryczne 1. Jakie jest prawdopodobieństwo, że (a) z talii zawierającej 52 karty wybierzemy losowo asa? (b) z talii zawierającej 52 karty
Bardziej szczegółowoX P 0,2 0,5 0,2 0,1
Zadanie 1 Zmienna losowa X ma rozkład: x -2 0 1 p 0,2 0,5 0,3 Wyznaczyć i narysować dystrybuantę tej zmiennej losowej. Zadanie 2 Zmienna losowa X ma rozkład: X -10 0 10 40 P 0,2 0,5 0,2 0,1 Podać wartość
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 szczegółowoPrawdopodobieństwo zadania na sprawdzian
Prawdopodobieństwo zadania na sprawdzian Zad. 1. Zdarzenia A, B, C oznaczają, że wzięto co najmniej po jednej książce odpowiednio z pierwszych, drugich i trzecich dzieł zebranych. Każde z dzieł zebranych
Bardziej szczegółowoc) ( 13 (1) (2) Zadanie 2. Losując bez zwracania kolejne litery ze zbioru AAAEKMMTTY, jakie jest prawdopodobieństwo Odp.
Zadania na kolokwium nr Zadanie. Spośród kart w tali wylosowano. Jakie jest prawdopodobieństwo: pików, kierów, trefli i karo otrzymania wszystkich kolorów otrzymania dokładnie pików a ( b ( ( c ( ( ( (
Bardziej szczegółowoWybrane rozkłady zmiennych losowych. Statystyka
Wybrane rozkłady zmiennych losowych Statystyka Rozkład dwupunktowy Zmienna losowa przyjmuje tylko dwie wartości: wartość 1 z prawdopodobieństwem p i wartość 0 z prawdopodobieństwem 1- p x i p i 0 1-p 1
Bardziej szczegółowo