3.1 Wprowadzenie teoretyczne i przyk lady
|
|
- Damian Wójcik
- 4 lat temu
- Przeglądów:
Transkrypt
1 Rozdzia l 3 Model probabilistyczny Ko lmogorowa 3.1 Wprowadzenie teoretyczne i przyk lady Przez model probabilistyczny Ko lmogorowa, zwany też przestrzeni a probabilistyczn a, bȩdziemy rozumieli nastȩpuj ac a trójkȩ: (Ω, Σ, P ), gdzie Ω jest niepustym zbiorem nazywanym przestrzeni a zdarzeń elementarnych, Σ jest σ-cia lem zdarzeń, P : Σ R jest funkcj a zwan a funkcj a prawdopodobieństwa tak a, że: 1. P (A) [0, 1], dla każdego A Σ;. P ( ) = 0; 3. P (A C ) = 1 P (A), dla każdego A Σ; 4. P ( A n ) = P (A n ) dla dowolnych parami roz l acznych zdarzeń n N o n N o A n Σ, N o N. Fakt Dla każdej przestrzeni probabilistycznej (Ω, Σ, P ) mamy: 1. P (Ω) = 1;. jeśli A B, to P (A) P (B); 3. P (A B) = P (A) + P (B) P (A B), dla dowolnych zdarzeń A i B. Przypomnimy najważniejsze przyk lady przestrzeni probabilistycznych.
2 18 Model probabilistyczny Ko lmogorowa Przestrzeń probabilistyczna dyskretna Przestrzeń probabilistyczn a nazywamy dyskretn a, jeśli 1. Ω = {ω n, n N 0 }, gdzie N 0 zbiór skończony (co najmniej dwuelementowy), albo nieskończony podzbiór liczb naturalnych;. dany jest ci ag p n (0, 1) taki, że n N 0 p n = 1; 3. Σ = P(Ω) rodzina potȩgowa; 4. funkcja prawdopodobieństwa jest zdefiniowana nastȩpuj aco: (a) P ({ω n }) = p n, n N 0 ; (b) P (A) = dla A (c) P ( ) = 0. p n ω n A Klasyczna definicja prawdopodobieństwa. Model jednorodny Jeśli przestrzeń Ω sk lada siȩ z n zdarzeń elementarnych, czyli Ω = n, oraz zdarzenia elementarne {ω i } s a jednakowo prawdopodobne, czyli P ({ω 1 }) = P ({ω }) =... = P ({ω n }) = 1 n, to prawdopodobieństwo dowolnego zdarzenia A sk ladaj acego siȩ z k zdarzeń elementarnych ( A = k) wyraża siȩ równości a P (A) = A Ω = k liczba zdarzeń elementarnych sprzyjaj acych zdarzeniu A = n liczba zdarzeń elementarnych przestrzeni Ω Powyższy wzór stanowi l dawniej definicjȩ prawdopodobieństwa zdarzenia, dlatego czȩsto nazywa siȩ go,,klasyczn a definicj a prawdopodobieństwa. Zadanie Spośród czterech kart różnego koloru losujemy jednocześnie dwie. Jakie jest prawdopodobieństwo, że obie bȩd a czarne lub obie czerwone? Ω = {ω = {x 1, x } : x i {1,, 3, 4} i = 1, }, gdzie {1,, 3, 4} jest zbiorem danych kart.
3 3.1 Wprowadzenie teoretyczne i przyk lady 19 Wtedy Ω = ( ) 4 = 4!! (4 )! = 4!!! =! 3 4 = 6.! Zdefiniujmy zdarzenie A, że obie karty bȩd a czarne lub czerwone. Ponieważ A = ( ( ) + ) = = gdyż albo wyci agniemy pika i trefla albo karo oraz kiera. Dlatego P (A) = A Ω = 6 = 1 3. Zadanie 3.1. Sześcian o krawȩdzi 6 dm pomalowano, a nastȩpnie rozciȩto w ten sposób, że każd a krawȩdź podzielono na 6 kawa lków o d lugości 1 dm. Otrzymane w ten sposób sześcianiki wrzucono do pojemnika i wymieszano. Oblicz prawdopodobieństwo, że przy losowaniu jednego sześcianika bȩdzie mia l on pomalowane: 1. 3 ścianki;. co najmniej ścianki; 3. nie bȩdzie pomalowany? Przecinaj ac pomalowany sześcian na sześcianiki o krawȩdzi 1 dm, otrzymamy 6 3 = 16 sześcianików, z których bȩdziemy mieli 8 sześcianików z pomalowanymi 3 ścianami (te, które by ly w wierzcho lkach dużego sześcianu). Przy każdej krawȩdzi bȩdziemy mieli 4 sześcianiki z pomalowanymi ścianami. Sześcian ma 1 krawȩdzi, wiȩc 1 4 = 48 tyle sześcianików ma pomalowane dwie ściany. Na każdej ścianie dużego sześcianu mamy 4 4 = 16 sześcianików z jedn a pomalowan a ścian a. Sześcian ma 6 ścian, wiȩc w sumie mamy 16 6 = 96 sześcianików z jedn a pomalowan a ścian a. Niepomalowane sześciany to te, które leż a w ca lości we wnȩtrzu dużego sześcianu. Jest ich zatem 4 3 = 64. Ponieważ Ω = {x : x {1,..., 16}}, Ω = A zdarzenie polegaj ace na tym, że sześcianik ma pomalowane 3 ściany A = 8, P (A) = A = 8 = 1, Ω B zdarzenie polegaj ace na tym, że sześcianik ma pomalowane co najmniej ściany B = = 56, P (B) = B = 56 = 7, Ω 16 7
4 0 Model probabilistyczny Ko lmogorowa 3. C zdarzenie polegaj ace na tym, że sześcianik nie ma pomalowanej żadnej ścianki C = 64, P (C) = C = 64 = 8. Ω 16 7 Przestrzeń dwupunktowa Niech Ω = {0, 1} oraz p bȩdzie liczb a tak a, że p (0, 1). Określamy funkcjȩ prawdopodobieństwa tak, że P ({1}) = p oraz P ({0}) = q, gdzie q = 1 p. Jest to tzw. model standardowy dwupunktowy. Przestrzeń Bernoulliego Przestrzeń probabilistyczn a nazywamy przestrzeni a Bernoulliego, jeśli Ω = {0, 1,,..., n}, n N oraz p parametr spe lniaj acy warunek 0 p 1, z funkcj a prawdopodobieństwa określon a ci agiem p k : ( ) n p k = p k q n k, k = 0, 1,,..., n, k gdzie q = 1 p. Zadanie Rzucamy symetryczn a monet a. Ile rzutów należy wykonać, aby prawdopodobieństwo uzyskania co najmniej 1 or la by lo wiȩksze niż 0, 99? Przy rzucie symetryczn a monet a prawdopodobieństwo uzyskania or la w jednym rzucie wynosi 0, 5. Niech A oznacza zdarzenie, że wykonaliśmy n rzutów. Skorzystamy tu z w lasności prawdopodobieństwa, która mówi, że Ponieważ ( n P (A C ) = 0 gdzie n oznacza ilość rzutów, wiȩc P (A) = 1 P (A C ). ) ( 1 P (A) = 1 ) 0 ( ) n 1 = ( ) n 1. ( ) n 1,
5 3.1 Wprowadzenie teoretyczne i przyk lady 1 Ale P (A) > 0, 99, wiȩc 1 ( ) n 1 > 0, 99 n > 100 n 7. ( ) n 1 < 0, 01 Przestrzeń Poissona Niech Ω = N {0} z funkcj a prawdopodobieństwa określon a ci agiem p n = λn n! e λ, n 0. Tak określona przestrzeń jest przestrzeni a probabalistyczn a dyskretn a nieskończon a. Nazywamy j a przestrzeni a Poissona. Zadanie Prawdopodobieństwo, że w pojedynczym rzucie kostk a wypadnie 6 oczek wynosi 1. Rzucamy kostk a do gry tak d lugo, aż otrzymamy w rzucie 6 oczek. 6 Niech k oznacza liczbȩ powtórzeń tego doświadczenia. Oblicz prawdopodobieństwo zdarzenia, że 1. doświadczenie zakończymy w pi atym rzucie;. liczba powtórzeń doświadczenia bȩdzie nie mniejsza niż 3. W rozwi azaniu zadania pos lużymy siȩ funkcj a prawdopodobieństwa określon a nastȩpuj aco: p k = q k 1 p, gdzie k N oraz p + q = p = 1 6, zatem q = 1 p = 5 6 i dlatego p 5 = ( ) =
6 Model probabilistyczny Ko lmogorowa. P (A k 3 ) = 1 P (A k<3 ) = 1 p 1 p = = 5 36, gdzie A k 3 oznacza zdarzenie, że liczba powtórzeń wynosi co najmniej 3. Stochastyczna niezależność zdarzeń Mówimy, że zdarzenia A i B s a stochastycznie niezależne, gdy P (A B) = P (A) P (B). I ogólnie, zdarzenia A 1, A,..., A n s a stochastycznie niezależne, gdy prawdopodobieństwo l acznego zajścia dowolnych m (m n) zdarzeń spośród nich jest równe iloczynowi prawdopodobieństw tych zdarzeń, czyli P (A i1 A i... A im ) = P (A i1 ) P (A i )... P (A im ). Zadanie Wykazać, że jeśli zdarzenia A i B s a niezależne, to niezależne s a również zdarzenia A i B C. Należy zauważyć, że skoro A B A, to A B C = A (A B). Zatem P (A B C ) = P (A) P (A B). Z niezależności zdarzeń A i B mamy P (A B C ) = P (A) P (A) P (B) P (A B C ) = P (A)(1 P (B)) co należa lo pokazać. P (A B C ) = P (A) P (B C ), Model warunkowy. Prawdopodobieństwo warunkowe Niech (Ω, Σ, P ) bȩdzie przestrzeni a probabilistyczn a, B zdarzeniem takim, że P (B) > 0. Bior ac (Ω B, Σ B, P B ), gdzie Ω B = B, Σ B jest śladem Σ na B
7 3.1 Wprowadzenie teoretyczne i przyk lady 3 oraz P (A B) P B (Ã) =, Ã = A B Σ B dla pewnego A Σ, P (B) dostaniemy now a przestrzeń probabilistyczn a, nazywan a przestrzeni a warunkow a. Dalej bȩdziemy pisali P (A B) zamiast P B (Ã) i czytali prawdopodobieństwo zdarzenia A pod warunkiem zajścia zdarzenia B. Zadanie Niech A Ω i B Ω. Udowodnić, że P (A) + P (A C B) = P (B) + P (A B C ). Skorzystamy z pojȩcia prawdopodobieństwa warunkowego. Dostaniemy kolejno P (A B) P (A B) = P (A B) = P (A B) P (B) P (B) oraz P (B A) P (B A) = P (B A) = P (B A) P (A). P (A) St ad P (A B) P (B) = P (B A) P (A). Ponieważ dostaniemy P (A B) = 1 P (A C B) i P (B A) = 1 P (B C A), (1 P (A C B)) P (B) = (1 P (B C A)) P (A) P (B) P (A C B) P (B) = P (A) P (B C A) P (A). Wiemy, że P (A C B) P (B) = P (A C B) oraz P (B C A) P (A) = P (B C A), czyli P (B) P (A C B) = P (A) P (B C A) i ostatecznie P (B) + P (B C A) = P (A) + P (A C B). Twierdzenie (O prawdopodobieństwie zupe lnym) Niech A bȩdzie dowolnym zdarzeniem, zaś {B 1, B,..., B n } partycj a losow a. Wtedy prawdopodobieństwo zdarzenia A wyraża siȩ równości a P (A) = P (B 1 ) P (A B 1 ) + P (B ) P (A B ) P (B n ) P (A B n ), czyli n P (A) = P (B i ) P (A B i ). i=1 Jest to tzw. wzór na prawdopodobieństwo zupe lne.
8 4 Model probabilistyczny Ko lmogorowa Twierdzenie 3.1. (Wzór Bayesa) Niech A bȩdzie zdarzeniem takim, że P (A) > 0. Dla każdej partycji losowej {B 1, B,..., B n } prawdopodobieństwa warunkowe P (B k A) zdarzeń B k przy warunku A (k = 1,..., n) wyrażaj a siȩ wzorem gdzie P (A) = n P (B i ) P (A B i ). i=1 P (B k A) = P (B k) P (A B k ), P (A) Zadanie Trzy fabryki produkuj ace pewne detale zaopatruj a hurtowniȩ. Z fabryki III pochodzi 35% detali, a z fabryki I cztery razy wiȩcej niż z fabryki II. Wśród wyprodukowanych detali z I fabryki 40% jest pierwszego gatunku, z II fabryki 65%, a z III 70% detali. Z magazynu losowo wybieramy jeden detal. Obliczyć prawdopodobieństwo tego, że 1. jest on z I fabryki;. jest on pierwszego gatunku; 3. pochodzi z fabryki III, jeśli jest pierwszego gatunku. Zdefiniujmy: A zdarzenie polegaj ace na tym, że detal jest pierwszego gatunku, B 1 zdarzenie polegaj ace na tym, że detal pochodzi z fabryki I, B zdarzenie polegaj ace na tym, że detal pochodzi z fabryki II, B 3 zdarzenie polegaj ace na tym, że detal pochodzi z fabryki III. Z treści zadania wynika, że P (A B 1 ) = 0, 4, P (A B ) = 0, 65, P (A B 3 ) = 0, Ponieważ B 1 B B 3 = Ω, B 1 B =, B B 3 =, B 1 B 3 =, P (B 1 B B 3 ) = 1, wiȩc dostaniemy kolejno: P (B 1 ) + P (B ) + P (B 3 ) = 1, P (B 3 ) = 0, 35, 4 P (B ) = P (B 1 ), 4 P (B ) + P (B ) + 0, 35 = 1, 5 P (B ) = 0, 65 P (B ) = 0, 13, P (B 1 ) = 4 0, 13 = 0, 5.
9 3.1 Wprowadzenie teoretyczne i przyk lady 5. P (A) = 3 n=1 P (A B n) P (B n ) = 0, 4 0, 5+0, 65 0, 13+0, 7 0, 35 = 0, P (B 3 A) = P (A B3) P (A) = P (A B3) P (B3) = 0,7 0,35 = 0,45 0, 456. P (A) 0,5375 0,5375 Przestrzeń produktowa Za lóżmy, że dane s a dwie przestrzenie probabilistyczne (Ω 1, Σ 1, P 1 ) i (Ω, Σ, P ). Przez przestrzeń produktow a rozumiemy tak a przestrzeń (Ω, Σ, P ), dla której Ω = Ω 1 Ω, z σ-cia lem produktowym powsta lym z Σ 1 i Σ. Funkcja prawdopodobieństwa P określona jest wtedy nastȩpuj aco: P (A 1 A ) = P 1 (A 1 ) P (A ). I ogólnie, niech (Ω j, Σ j, P j ), j = 1,..., n bȩdzie ci agiem przestrzeni probabilistycznych. Wtedy (Ω, Σ, P ), gdzie 1. Ω = Ω 1... Ω n. Σ = Σ 1... Σ n 3. P (A 1 A... A n ) = P 1 (A 1 ) P (A )... P n (A n ) dla A j Σ j, jest uogólnion a przestrzeni a produktow a dowolnej skończonej ilości przestrzeni probabilistycznych. Zadanie Pokazać, że zdarzenia A = A 1 Ω i B = Ω 1 B 1 s a stochastycznie niezależne w przestrzeni produktowej. Weźmy prawdopodobieństwo produktowe P. Należy pokazać, że P (A B) = P (A)P (B). Ponieważ A B = (A 1 Ω ) (Ω 1 B 1 ) = A 1 B 1, wiȩc z definicji prawdopodobieństwa produktowego dostaniemy Ale co kończy dowód. P (A B) = P 1 (A 1 )P (B 1 ). P 1 (A 1 ) = P (A) oraz P (B 1 ) = P (B),
10 6 Model probabilistyczny Ko lmogorowa Zadanie Weźmy n kopii standardowej przestrzeni dwupunktowej oraz utwórzmy z tych kopii ich produkt. Opisać zdarzenia elementarne w tej przestrzeni. Dla k {0,..., n} niech S k oznacza zdarzenie w σ-ciele produktowym z lożone z tych zdarzeń elementarnych, że liczba 1 pojawia siȩ dok ladnie k razy. Przyjmuj ac, że prawdopodobieństwo pojedynczego pojawienia siȩ liczby 1 wynosi p (0, 1), obliczyć P (S k ). Niech (Ω o, Σ o, P o ) oznacza przestrzeń standardow a dwupunktow a. Wtedy Ω = Ω n o z σ-cia lem produktowym Σ i prawdopodobieństwem produktowym P. Dlatego każde zdarzenie elementarne ω Ω jest ci agiem o wyrazach 0, 1 d lugości n. Jeśli w takim ci agu cyfra 1 pojawia siȩ k razy, to z definicji prawdopodobieństwa produktowego dostaniemy P ({ω}) = p k (1 p) n k. Ponieważ ω S k cyfra 1 pojawia siȩ k razy i takich zdarzeń elementarnych w zdarzeniu S k jest ( ) n k, wiȩc P (Sk ) = ( n k) p k (1 p) n k. Wynik taki już widzieliśmy, omawiaj ac model Bernoulliego. Zadanie Z talii 4 kart (od 9 do asa) losujemy jedn a kartȩ. Niech A 1 zdarzenie polegaj ace na tym, że wylosowan a kart a jest as, A zdarzenie polegaj ace na tym, że wylosowan a kart a jest pik. Oblicz prawdopodobieństwo tego, że wylosowan a kart a jest: 1. as pik;. pik, ale nie as. Mamy tu do czynienia z przestrzeni a dwuwymiarow a określon a nastȩpuj aco: Ω = {(x, y) : x Ω 1, y Ω }, gdzie: Ω 1 zbiór figur w kartach, Ω 1 = 6, Ω zbiór kolorów w kartach, Ω = 4. Dostaniemy odpowiednio 1. P (A 1 A ) = P 1 (A 1 ) P (A ), A 1 = 1, P 1 (A 1 ) = A1 Ω 1 = 1 6. A = 1, P (A ) = A Ω = 1 4, P (A 1 A ) = P 1 (A 1 ) P (A ) = 1 4.
11 3.1 Wprowadzenie teoretyczne i przyk lady 7. P (A C 1 A ) = P 1 (A C 1 ) P (A ), P (A C 1 A ) = (1 P 1 (A 1 )) P (A ) = 5 4. Prawdopodobieństwo geometryczne Jeśli Ω = [a 1, a ] [a, b ], to typowe zdarzenie A w dwuwymiarowej przestrzeni geometrycznej ma postać: A = {(x, y) Ω : x [a 1, b 1 ], d(x) y g(x)}, gdzie d i g funkcje ci ag le określone na odcinku [a 1, b 1 ]. Prawdopodobieństwo zdarzenia A wynosi wtedy P (A) = b 1 a 1 (g(x) d(x))dx (b 1 a 1 ) (b a ). Zadanie Z kwadratu Ω = [0, 1] [0, 1] wybieramy punkt, którego wspó lrzȩdne wynosz a (p, q). Jakie jest prawdopodobieństwo, że równanie x + px + q = 0 nie bȩdzie mia lo pierwiastków rzeczywistych? Równanie nie ma pierwiastków rzeczywistych, gdy Δ < 0 p 4 q < 0 q > p 4 Weźmy Ω = {(p, q) : 0 p 1 0 q 1}. Poniewż pole Ω = 1, wiȩc P (A) = 1 0 p 4 dp = 1 1.
12 8 Model probabilistyczny Ko lmogorowa 3. Zadania Zadanie 3..1 W szafce mamy 10 par butów. Wyci agamy losowo 6 butów. Obliczyć prawdopodobieństwo, że wśród nich nie bȩdzie żadnej pary? Zadanie 3.. Rzucamy dwa razy kostk a do gry. Jakie jest prawdopodobieństwo, że w sumie otrzymamy 1. 8 oczek;. co najmniej 3 oczka? Zadanie 3..3 Obliczyć prawdopodobieństwo tego, że 7 losowo wybranych osób urodzi lo siȩ w różnych dniach tygodnia. Zadanie 3..4 Przed kolokwium z matematyki w grupie licz acej 4 studentów prowadz acy zaproponowa l studentom, aby wpisali na kartkach po jednej liczbie naturalnej od 1 do 40. W przypadku gdy wszystkie wpisane liczby bȩd a różne, odwo luje kolokwium i wszyscy otrzymuj a ocenȩ bardzo dobr a. Jakie jest prawdopodobieństwo, że kolokwium zostanie odwo lane? Zadanie 3..5 Uzasadnić, że prawdopodobieństwo warunkowe jest prawdopodobieństwem. Zadanie 3..6 Wiemy, że P (A B) = 1 4, P (AC ) = 1 3, P (B) = 1. Obliczyć P (A B) oraz P (A C B C ). Zadanie 3..7 Przy danych P (A B) = P (B A), P (A B) = 1, P (A B) = 1 4 obliczyć P (B) oraz P (A C B C ). Zadanie 3..8 Na egzaminie student otrzymuje jedn a z ocen: bardzo dobry, dobry, dostateczny, niedostateczny. W przypadku otrzymania oceny bardzo dobrej, dobrej, dostatecznej egzamin jest zdany. Prawdopodobieństwo tego, że student uzyska ocenȩ bardzo dobr a lub dobr a jest równe 0,6. Prawdopodobieństwo zdania egzaminu wynosi 0,9. Obliczyć prawdopodobieństwo otrzymania oceny dostatecznej na egzaminie. Zadanie 3..9 Liczby {1,,...,9} s a ustawione w sposób losowy. Obliczyć prawdopodobieństwo tego, że 1. liczby 1 i bȩd a sta ly obok siebie;. liczba 1 bȩdzie w tym ci agu przed liczb a 5. Zadanie Do windy, która zatrzymuje siȩ na 10 piȩtrach, wsiada 8 osób. Obliczyć prawdopodobieństwo, że
13 3. Zadania 9 1. każdy z pasażerów wysi adzie na innym piȩtrze;. wszyscy wysi ad a na trzech ostatnich piȩtrach. Zadanie Z talii ośmiu kart, w której mamy 4 asy i 4 króle, wybieramy losowo karty. Jakie jest prawdopodobieństwo, że 1. wybrano dwa asy, jeśli wybrano co najmniej jednego asa;. wybrano dwa asy, jeśli wiadomo, że wśród kart jest as pik. Zadanie 3..1 Wykazać, że dla A, B, C Ω takich, że P (A B) > 0, zachodzi równość P (A B C) = P (A) P (B A) P (C (A B)). Zadanie Niech Ω = {(x, y) : x R y R}. określone nastȩpuj aco: A = {(x, y) : x 1 < 1 y 1 < 1} B = {(x, y) : x + y }. Wyznaczyć P (A B) i P (B A). Zdarzenia A i B s a Zadanie Wykazać, że jeśli A, B Ω s a zdarzeniami niezależnymi, to niezależne s a też zdarzenia A C i B C. Zadanie Wiadomo, że średnio 4 mȩżczyzn na 100 i 4 kobiety na 1000 s a daltonistami. Z grupy, w której liczba kobiet jest dwa razy wiȩksza od liczby mȩżczyzn, wybrano osobȩ. Jakie jest prawdopodobieństwo, że jest daltonist a? Jakie jest prawdopodobieństwo, że wybranym daltonist a jest mȩżczyzna? Zadanie Ze zbioru {1,,...,n}, gdzie n > 3, losujemy dwie liczby. Jakie jest prawdopodobieństwo, że jedna z nich bȩdzie mniejsza, a druga wiȩksza od k, gdzie 1<k<n i k N. Zadanie W pewnym mieście mieszka osób. Prawdopodobieństwo, że wybrana osoba bȩdzie potrzebowa la natychmiastowej pomocy lekarskiej wynosi 0,00. Obliczyć prawdopodobieństwo wezwania pogotowia przez: 1. któregokolwiek mieszkańca tego miasta;. wiȩcej niż, ale nie wiȩcej niż 5 mieszkańców tego miasta; 3. co najmniej 3 mieszkańców tego miasta. Zadanie Trzech dostawców dostarcza do hurtowni cytrusy. Dostawy tych dostawców maj a siȩ jak 3:5:4. I dostawca dotarcza oko lo 1% skrzynek zepsutych owoców, II 4%, a III 3%. Wybraliśmy skrzynkȩ z dobrymi owocami. Jakie jest prawdopodobieństwo, że dostarczy l j a dostawca I?
14 30 Model probabilistyczny Ko lmogorowa Zadanie W dwóch jednakowo wygl adaj acych kopertach znajduj a siȩ talie kart, przy czym w pierwszej jest to talia 5 kart, a w drugiej 4 kart (od 9 do asa). Z losowo wybranej kopert wyci agamy kartȩ i wk ladamy do drugiej. Nastȩpnie wybieramy jedn a kartȩ z drugiej koperty. Jakie jest prawdopodobieństwo, że wyci agniȩt a kart a bȩdzie as? Zadanie 3..0 Zbiór {1,,...,4n} podzielono na dwie równoliczne czȩści. Obliczyć prawdopodobieństwo tego, że w każdej z nich jest taka sama ilość liczb podzielnych przez n. Zadanie 3..1 W dwóch jednakowych koszykach jest po 10 bia lych pi lek tenisowych. Wk ladamy do tych koszyków 0 czerwonych pi lek. Jak rozmieścić te pi lki w koszach, aby prawdopodobieństwo wybrania pi lki czerwonej z losowo wybranego koszyka by lo równe 7 15? Zadanie 3.. Z odcinka [0, ] wybieramy losowo i niezależnie dwa punkty. Niech A oznacza zdarzenie polegaj ace na tym, że odleg lość miȩdzy nimi jest mniejsza od 1. Obliczyć prawdopodobieństwo zdarzenia A. Zadanie 3..3 Z odcinka [0, k] wybieramy losowo i niezależnie punkty x i y. Niech A zdarzenie polegaj ace na tym, że x + y > k, B zdarzenie, że 4 funkcja ln(x + y k) jest dobrze określona. 1. Czy zdarzenia A i B s a niezależne?. Obliczyć prawdopodobieństwo zdarzenia B pod warunkiem, że zajdzie zdarzenie A.
STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1
1 STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1 Klasyczny Rachunek Prawdopodobieństwa. 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany. Posiadamy
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA
1 STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany.
Bardziej szczegółowoTeoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej
Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej 27-28/10/09 ZBIORY MIERZALNE WZGLȨDEM MIARY ZEWNȨTRZNEJ Niech µ bȩdzie miar
Bardziej szczegółowo1.1 Wprowadzenie teoretyczne i przyk lady
Rozdzia l 1 Zbiory i rodziny zbiorów 1.1 Wprowadzenie teoretyczne i przyk lady Zbiory definiujemy poprzez określenie ich elementów. Dwa zbiory, które maj a te same elementy, uważamy za identyczne. A =
Bardziej szczegółowoFunkcje wielu zmiennych
Funkcje wielu zmiennych Zbiory na p laszczyźnie Przestrzeni a dwuwymiarow a (p laszczyzn a) nazywamy zbiór wszystkich par uporz adkowanych (x, y), gdzie x, y R. Przestrzeń tȩ oznaczamy symbolem R 2 : R
Bardziej szczegółowoNiech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach:
Teoria miary WPPT IIr semestr zimowy 2009 Wyk lad 4 Liczby kardynalne, indukcja pozaskończona DOBRY PORZA DEK 14/10/09 Niech X bȩdzie dowolnym zbiorem Dobry porz adek to relacja P X X (bȩdziemy pisać x
Bardziej szczegółowoMATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś. Wprowadzenie
1 MATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś Wprowadzenie Istniej a dwa różne kryteria mówi ace, które narzȩdzia matematyczne należy zaliczyć do matematyki dyskretnej. Pierwsze definiuje matematykȩ
Bardziej szczegółowoWyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera
Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Określenie podpierścienia Definicja 9.. Podpierścieniem pierścienia (P, +,, 0, ) nazywamy taki podzbiór A P, który jest pierścieniem ze wzgledu
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 szczegółowoElementy analizy funkcjonalnej PRZESTRZENIE LINIOWE
Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE Niech K = R lub K = C oraz X - dowolny zbiór. Określmy dwa dzia lania: dodawanie + : X X X i mnożenie przez liczbȩ : K X X, spe lniaj ace nastȩpuj ace
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 szczegółowoLista zadania nr 2 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie
Lista zadania nr 2 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Jarosław Kotowicz Instytut Matematyki Uniwersytet w
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 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 szczegółowoProcesy Stochastyczne - Zestaw 1
Procesy Stochastyczne - Zestaw 1 Zadanie 1 Niech ξ i η bed a niezależnymi zmiennymi losowymi o rozk ladach N (0, 1). Niech X = ξ +η i Y = ξ η. Znaleźć rozk lad (X, Y ) i rozk lad warunkowy L X ( Y ). Zadanie
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA. Spis pojȩċ teoretycznych
1 RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA Spis pojȩċ teoretycznych 1. Podstawowe pojȩcia: doświadczenie losowe, zdarzenie elementarne, zdarzenie losowe, przestrzeń zdarzeń elementarnych, zbiór zdarzeń
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 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 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 szczegółowoKombinatoryka i rachunek prawdopodobieństwa
Kombinatoryka i rachunek prawdopodobieństwa Jerzy Rutkowski Kombinatoryka i rachunek prawdopodobieństwa 2. Elementy kombinatoryki 2.1. Permutacje Definicja 1. Niech n N. Permutacją n-elementowego zbioru
Bardziej szczegółowoMatematyka dyskretna Oznaczenia
Matematyka dyskretna Oznaczenia Andrzej Szepietowski W tym rozdziale przedstawimy podstawowe oznacznia. oznacza kwantyfikator ogólny dla każdego. oznacza kwantyfikator szczegó lowy istnieje. 1 Sumy i iloczyny
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 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 szczegółowoFunkcje wielu zmiennych
Funkcje wielu zmiennych 13 Zbiory w przestrzeni Definicja Przestrzeni a trójwymiarow a (przestrzeni a) nazywamy zbiór wszystkich trójek uporz adkowanych (x y z) gdzie x y z R. Przestrzeń tȩ oznaczamy symbolem
Bardziej szczegółowoMetoda Simplex bez użycia tabel simplex 29 kwietnia 2010
R. Rȩbowski 1 WPROWADZENIE Metoda Simplex bez użycia tabel simplex 29 kwietnia 2010 1 Wprowadzenie Powszechnie uważa siȩ, że metoda simplex, jako uniwersalny algorytm pozwalaj acyznaleźć rozwi azanie optymalne
Bardziej szczegółowoPROBABILISTYKA - test numery zestawów 1,3,5,7,9,...,41
1 numery zestawów 1,3,5,7,9,...,41 (a) Jeśli P (A) = 0.5 oraz P (B) = 0.3 oraz B A, to P (B \ A) = 0.2. (b) Przy jednokrotnym rzucie kostk a prawdopodobieństwo, że wypadnie szóstka pod warunkiem, że wypad
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
29 marca 2011 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
Bardziej szczegółowoWyk lad 5. Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu. 1. Granice niew laściwe
Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu Wyk lad 5 1. Granice niew laściwe Definicja 1 Ci ag (x n ) d aży do (jest rozbieżny do) + jeśli c R N n > N x n > c a do
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 szczegółowoStatystyka w analizie i planowaniu eksperymentu
31 marca 2014 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
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 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 szczegółowoRozdzia l 6. Wstȩp do statystyki matematycznej. 6.1 Cecha populacji generalnej
Rozdzia l 6 Wstȩp do statystyki matematycznej 6.1 Cecha populacji generalnej W rozdziale tym zaprezentujemy metodȩ probabilistycznego opisu zaobserwowanego zjawiska. W takim razie (patrz rozdzia l 2.4)zjawiskotobȩdziemy
Bardziej szczegółowoAnaliza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu
Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu Wyk lad 4 1. Zbiory otwarte i domkniȩte Pojȩcia które teraz wprowadzimy można rozpatrywać w każdej przestrzeni metrycznej
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 szczegółowoWyk lad 2 Podgrupa grupy
Wyk lad 2 Podgrupa grupy Definicja 2.1. Pod grupy (G,, e) nazywamy taki podzbiór H G, że e H, h 1 H dla każdego h H oraz h 1 h 2 H dla dowolnych h 1, h 2 H. Jeśli H jest grupy G, to bedziemy pisali H G.
Bardziej szczegółowoz n n=1 S n nazywamy sum a szeregu. Szereg, który nie jest zbieżny, nazywamy rozbieżnym. n=1
3 Szeregi zespolone 3. Szeregi liczbowe Mówimy, że szereg o wyrazach zespolonych jest zbieżny, jeżeli ci ag jego sum czȩściowych {S n }, gdzie S n = z + z +... + jest zbieżny do granicy w laściwej. Granicȩ
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 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 szczegółowoKombinatoryka. 7. Niechk 1.Ilerozwia zańwliczbachca lkowitychnieujemnychmarównanie. x 1 +x 2 + +x k =n?
1. Numertelefonicznymożezaczynaćsie oddowolnejzdziesie ciucyfr.ilejest siedmiocyfrowychnumerówtelefonicznych,którychwszystkiecyfrysa : a. różne; b. nieparzyste. 2. 9osóbustawiasie wszereg.ilejestróżnychustawień,wktórychwybranetrzy
Bardziej szczegółowoCia la i wielomiany Javier de Lucas
Cia la i wielomiany Javier de Lucas Ćwiczenie 1. Za lóż, że (F, +,, 1, 0) jest cia lem i α, β F. w laściwości s a prawd a? Które z nastȩpuj acych 1. 0 α = 0. 2. ( 1) α = α. 3. Każdy element zbioru F ma
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 szczegółowoKombinatoryka i rachunek prawdopodobieństwa
Kombinatoryka i rachunek prawdopodobieństwa Kombinatoryka i rachunek prawdopodobieństwa Jerzy Rutkowski 2. Elementy kombinatoryki 2.. Permutacje Teoria Definicja. Niech n N. Permutacją n-elementowego zbioru
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 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 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 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 w analizie i planowaniu eksperymentu
21 marca 2011 Zmienna losowa - wst ep Przeprowadzane w praktyce badania i eksperymenty maja bardzo różnorodny charakter, niemniej jednak wiaż a sie one z rejestracja jakiś sygna lów (danych). Moga to być
Bardziej szczegółowoWyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie
1 Dzielenie wielomianów Wyk lad 12 Ważne pierścienie Definicja 12.1. Niech P bedzie pierścieniem, który może nie być dziedzina ca lkowitości. Powiemy, że w pierścieniu P [x] jest wykonalne dzielenie z
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 szczegółowoStatystyka w analizie i planowaniu eksperymentu
10 marca 2014 Zmienna losowa - wst ep Przeprowadzane w praktyce badania i eksperymenty maja bardzo różnorodny charakter, niemniej jednak wiaż a sie one z rejestracja jakiś sygna lów (danych). Moga to być
Bardziej szczegółowoT O P O L O G I A WPPT I, sem. letni WYK LAD 8. Wroc law, 21 kwietnia D E F I N I C J E Niech (X, d) oznacza przestrzeń metryczn a.
T O P O L O G I A WPPT I, sem. letni WYK LAD 8 Zwartość D E F I N I C J E Niech (X, d) oznacza przestrzeń metryczn a. Wroc law, 1 kwietnia 008 Definicja 1. (X, d) jest ca lkowicie ograniczona jeśli dla
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 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 szczegółowoWyk lad 14 Cia la i ich w lasności
Wyk lad 4 Cia la i ich w lasności Charakterystyka cia la Określenie cia la i w lasności dzia lań w ciele y ly omówione na algerze liniowej. Stosujac terminologie z teorii pierścieni możemy powiedzieć,
Bardziej szczegółowoPierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas
Pierwsze kolokwium z Matematyki I 4. listopada 03 r. J. de Lucas Uwagi organizacyjne: Każde zadanie rozwi azujemy na osobnej kartce, opatrzonej imieniem i nazwiskiem w lasnym oraz osoby prowadz acej ćwiczenia,
Bardziej szczegółowoSzymon G l ab. Struktury losowe II Graf losowy. Instytut Matematyki, Politechnika Lódzka
Instytut Matematyki, Politechnika Lódzka Graf losowy jako granica Fraisse Przez K graf oznaczmy rodzinȩ wszystkich skończonych grafów (np. na N). Niech G bȩdzie granic a Fraisse rodziny K graf. Strukturȩ
Bardziej szczegółowoWyk lad 3 Wielomiany i u lamki proste
Wyk lad 3 Wielomiany i u lamki proste 1 Konstrukcja pierścienia wielomianów Niech P bedzie dowolnym pierścieniem, w którym 0 1. Oznaczmy przez P [x] zbiór wszystkich nieskończonych ciagów o wszystkich
Bardziej szczegółowoMatematyka Dyskretna. Andrzej Szepietowski. 25 czerwca 2002 roku
Matematyka Dyskretna Andrzej Szepietowski 25 czerwca 2002 roku Rozdział 1 Rachunek prawdopodobieństwa 11 Zdarzenia Podstawowym pojȩciem rachunku prawdopodobieństwa jest przestrzeń zdarzeń elementarnych,
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 szczegółowoWyk lad 7 Baza i wymiar przestrzeni liniowej
Wyk lad 7 Baza i wymiar przestrzeni liniowej 1 Baza przestrzeni liniowej Niech V bedzie przestrzenia liniowa. Powiemy, że podzbiór X V jest maksymalnym zbiorem liniowo niezależnym, jeśli X jest zbiorem
Bardziej szczegółowoRachunek Prawdopodobieństwa i Statystyka
Rachunek Prawdopodobieństwa i Statystyka W 2. Probabilistyczne modele danych Zmienne losowe. Rozkład prawdopodobieństwa i dystrybuanta. Wartość oczekiwana i wariancja zmiennej losowej Dr Anna ADRIAN Zmienne
Bardziej szczegółowoLiczba 2, to jest jedyna najmniejsza liczba parzysta i pierwsza. Oś liczbowa. Liczba 1, to nie jest liczba pierwsza
1 SZKO LA PODSTAWOWA HELIANTUS 02-892 WARSZAWA ul. BAŻANCIA 16 3 Liczba 2, to jest jedyna najmniejsza liczba parzysta i pierwsza 2 1 0 1 2 3 x Oś liczbowa. Liczba 1, to nie jest liczba pierwsza MATEMATYKA
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 szczegółowoSterowalność liniowych uk ladów sterowania
Sterowalność liniowych uk ladów sterowania W zadaniach sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a równania stanu z zadanego stanu pocz atkowego ẋ(t) = f(x(t), u(t), t), t [t,
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 szczegółowoZadanie 2. Wiadomo, że A, B i C są trzema zdarzeniami losowymi takimi, że P (A) = 2/5, P (B A) = 1/4, P (C A B) = 0.5, P (A B) = 6/10, P (C B) = 1/3.
Zadanie 1. O zdarzeniach A, B, C z pewnej przestrzeni uzyskaliśmy informacje, iż P (A B C) = 0.6, P (B A C) = 0.3 oraz P (C A B) = 0.9. Obliczyć P [A B C (A B) (A C) (B C)]. Odp. 9/37 Zadanie 2. Wiadomo,
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 szczegółowoKURS PRAWDOPODOBIEŃSTWO
KURS PRAWDOPODOBIEŃSTWO Lekcja 4 Prawdopodobieństwo całkowite i twierdzenie Bayesa. Drzewko stochastyczne. Schemat Bernoulliego. ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowiedź
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 szczegółowoStatystyka w analizie i planowaniu eksperymentu
22 marca 2011 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
Bardziej szczegółowo13 Zastosowania Lematu Szemerédiego
13 Zastosowania Lematu Szemerédiego 13.1 Twierdzenie Erdősa-Stone a (Rozdzia ly 7.1 i 7.5 podre cznika) Jednym z g lównych zagadnień ekstremalnej teorii grafów jest wyznaczenie parametru ex(n, H) = max{
Bardziej szczegółowoWyk lad 11 1 Wektory i wartości w lasne
Wyk lad 11 Wektory i wartości w lasne 1 Wektory i wartości w lasne Niech V bedzie przestrzenia liniowa nad cia lem K Każde przekszta lcenie liniowe f : V V nazywamy endomorfizmem liniowym przestrzeni V
Bardziej szczegółowoGeometria odwzorowań inżynierskich Zadania 01
Scriptiones Geometrica Volumen I (2007), No. Z1, 1 4. Geometria odwzorowań inżynierskich Zadania 01 Edwin Koźniewski Instytut Inżynierii Budowlanej, Politechnika Bia lostocka 1. Twierdzenie o punkcie wȩz
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 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 szczegółowoPOCHODNA KIERUNKOWA. DEFINICJA Jeśli istnieje granica lim. to granica ta nazywa siȩ pochodn a kierunkow a funkcji f(m) w kierunku osi l i oznaczamy
POCHODNA KIERUNKOWA Pochodne cz astkowe funkcji f(m) = f(x, y, z) wzglȩdem x, wzglȩdem y i wzglȩdem z wyrażaj a prȩdkość zmiany funkcji w kierunku osi wspó lrzȩdnych; np. f x jest prȩdkości a zmiany funkcji
Bardziej szczegółowoGeometria odwzorowań inżynierskich rzut środkowy 06A
Scriptiones Geometrica Volumen I (2014), No. 6A, 1 10. Geometria odwzorowań inżynierskich rzut środkowy 06A Edwin Koźniewski Zak lad Informacji Przestrzennej 1. Rzut środkowy i jego niezmienniki Przyjmijmy
Bardziej szczegółowoPrawdopodobieństwo. jest ilościową miarą niepewności
Prawdopodobieństwo jest ilościową miarą niepewności Eksperyment - zdarzenie elementarne Eksperymentem nazywamy proces, który prowadzi do jednego z możliwych wyników. Nazywamy je wynikami obserwacji, zdarzeniami
Bardziej szczegółowoci agi i szeregi funkcji Javier de Lucas Ćwiczenie 1. Zbadać zbieżność (punktow a i jednostajn a) ci agu funkcji nx 2 + x
ci agi i szeregi funkcji Javier de Lucas Ćwiczenie 1 Zbadać zbieżność (punktow a i jednostajn a) ci agu funkcji f n : [, [ x nx + x nx + 1, Rozwi azanie: Mówi siȩ, że ci ag funkcji f n zd aży punktowo
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 szczegółowo0.1 Sposȯb rozk ladu liczb na czynniki pierwsze
1 Temat 5: Liczby pierwsze Zacznijmy od definicji liczb pierwszych Definition 0.1 Liczbȩ naturaln a p > 1 nazywamy liczb a pierwsz a, jeżeli ma dok ladnie dwa dzielniki, to jest liczbȩ 1 i sam a siebie
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 szczegółowoPRÓBNY EGZAMIN MATURALNY
PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI ZESTAW NR 196324 WYGENEROWANY AUTOMATYCZNIE W SERWISIE WWW.ZADANIA.INFO POZIOM PODSTAWOWY CZAS PRACY: 170 MINUT 1 Zadania zamknięte ZADANIE 1 (1 PKT) Rozwiazaniem
Bardziej szczegółowoANALIZA II 15 marca 2014 Semestr letni. Ćwiczenie 1. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la?
Ci ag lość i norma Ćwiczenie. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la? f (x, y) = x2 y 2 x 2 + y 2, f 2(x, y) = x2 y x 2 + y 2 f 3 (x, y) = x2 y
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 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 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 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 szczegółowoMatematyka A, klasówka, 24 maja zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le. rozwia
Matematyka A, klasówka, 4 maja 5 Na prośbe jednej ze studentek podaje zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le dów Podać definicje wektora w lasnego i wartości w lasnej
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 szczegółowoRozdzia l 2. Najważniejsze typy algebr stosowane w logice
Rozdzia l 2. Najważniejsze typy algebr stosowane w logice 1. Algebry Boole a Definicja. Kratȩ dystrybutywn a z zerem i jedynk a, w której dla każdego elementu istnieje jego uzupe lnienie nazywamy algebr
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 szczegółowoFunkcje wielu zmiennych
Funkcje wielu zmiennych 8 Pochodna kierunkowa funkcji Definicja Niech funkcja f określona bȩdzie w otoczeniu punktu P 0 = (x 0, y 0 ) oraz niech v = [v x, v y ] bȩdzie wektorem. Pochodn a kierunkow a funkcji
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 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 szczegółowoSuma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas
Suma i przeciȩcie podprzestrzeni, przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1. Dowieść, że jeśli U i V s a podprzestrzeniami n-wymiarowej przestrzeni wektorowej oraz dim U = r i dim V = s, to max(0,
Bardziej szczegółowoWyk lad 4 Warstwy, dzielniki normalne
Wyk lad 4 Warstwy, dzielniki normalne 1 Warstwy grupy wzgl edem podgrupy Niech H bedzie podgrupa grupy (G,, e). W zbiorze G wprowadzamy relacje l oraz r przyjmujac, że dla dowolnych a, b G: a l b a 1 b
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 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 szczegółowo