P (A B) 7. Rzucamy monet a dopóki nie wypadn a dwa or ly pod rz ad. Znaleźć prawdopodobieństwo,

Wielkość: px
Rozpocząć pokaz od strony:

Download "P (A B) 7. Rzucamy monet a dopóki nie wypadn a dwa or ly pod rz ad. Znaleźć prawdopodobieństwo,"

Transkrypt

1 Zadania z Rachunku rawdopodobieństwa Dana jest przestrzeń probabilistyczna (Ω, F, ), gdzie Ω jest zbiorem przeliczalnym i F = 2 Ω. Udowodnij, że istniej a liczby p ω 0, ω Ω p ω = 1 takie, że (A) = ω A p ω dla wszystkich A F. 2. Opisać wszystkie przestrzenie probabilistyczne z przeliczalnym zbiorem zdarzeń elementarnych Ω 3. Udowodnij, że każde nieskończone σ-cia lo jest nieprzeliczalne 4. Udowodnij nastȩpuj ace tożsamości (lim sup A n ) = lim inf(a n), (lim inf A n ) = lim sup(a n), lim inf A n lim sup A n, lim sup(a n B n ) = lim sup A n lim sup B n, lim sup A n lim inf B n lim sup(a n B n ) lim sup A n lim sup B n, A n A lub A n A to A = lim sup A n = lim inf A n 5. Wykaż, że jeśli A n = (, x n ) oraz x = lim sup x n to lim sup A n = (, x) lub (, x] oraz oba te przypadki mog a zajść. 6. Udowodnij, że nastȩpuj ace dwie pseudometryki na F ρ 2 (A, B) = spe lniaj a warunek trójk ata. ρ 1 (A, B) = (A B) { (A B) (A B) jeśli (A B) > 0 0 jeśli (A B) = 0 7. Rzucamy monet a dopóki nie wypadn a dwa or ly pod rz ad. Znaleźć prawdopodobieństwo, że rzucimy dok ladnie k razy. 8. Klasa liczy 15 uczniów, na każdej lekcji do odpowiedzi jest losowany jeden uczeń. Oblicz prawdopodobieństwo tego, że w ci agu 16 lekcji każy uczeń bȩdzie przepytany. 9. W szafie znajduje siȩ n par butów, na chybi l trafi l wybieramy z nich 2k butów przy czym 2k < n. Oblicz prawdopodobieństwo tego, że a) wśród wylosowanych butów jest conajmniej jedna para b) wśród wylosowanych butów jest dok ladnie jedna para 10. Roztrzepana sekretarka rozmieści la losowo N listów w N uprzednio zaadresowanych kopertach. Oblicz prawdopodobieństwo tego, że dok ladnie k listów trafi lo do w laściwej koperty. 11. W n rozróżnialnych urnach umieszczono w sposób losowy k rozróżnialnych kul. Oblicz prawdopodobieństwo p m (k, n), że dok ladnie m urn pozostanie pustych 0 m n 1. (Wskazówka: policz najpierw p 0 (k, n)). 1

2 Zadania z Rachunku rawdopodobieństwa Na loterii jest 10 losów wygrywaj acych, 100 przegrywaj acych i 1000 uprawniaj acych do kolejnego losowania. Jakie jest prawdopodobieństwo wygrania? 2. Z talii 24 kartowej losujemy 5 kart bez zwracania. Oblicz prawdopodobieństwo, że wylosowaliśmy dok ladnie 3 asy jeśli wiadomo, że a) mamy conajmniej jednego asa b) mamy asa czarnego koloru c) mamy asa pik d) pierwsz a wylosowan a kart a jest as e) pierwsz a wylosowan a kart a jest czarny as f) pierwsz a wylosowan a kart a jest as pik. 3. K. wybra l siȩ w odwiedziny do znajomych o których wiedzia l, że maj a dwójkȩ dzieci, ale nie zna l ich p lci ani wieku. Drzwi domu otworzy la mu dziewczynka. Jakie jest prawdopodobieństwo, że drugie dziecko znajomych K. też jest dziewczynk a? 4. (schemat urnowy olya) Urna zawiera b kul bia lych i c kul czarnych. Wykonujemy kolejno nastȩpuj ace doświadczenie: losujemy z urny kulȩ, a nastȩpnie wk ladamy j a z powrotem do urny, a wraz z ni a dok ladamy do urny a kul tego samego koloru. Udowodnij, że prawdopodobieństwo wylosowania w n-tym losowaniu kuli bia lej jest b b+c. 5. rawdopodobieństwo, że losowo wybrana rodzina ma n dzieci jest równe { αp n n = 1, 2,... p n = 1 n=1 αpn = 1 αp 1 p n = 0 Zak ladaj ac, że wszystkie 2 n rozk ladów p lci dzieci w rodzinie o n dzieciach jest równoprawdopodobne oblicz prawdopodobieństwo, że losowo wybrana rodzina ma a) conajmniej jedn a córkȩ b) dok ladnie jedn a córkȩ? c) Losowo wybrana rodzina ma przynajmniej jedn a córkȩ, jakie jest prawdopodobieństwo, że jest ona jedynaczk a? 6. Dwaj gracze rzucaj a symetryczn a monet a aż pojawi siȩ ci ag OOO lub ORO. Jeśli najpierw pojawi siȩ OOO wygrywa gracz A, jeśli ORO gracz B. a) Udowodnij, że z prawdopodobieństwem 1 gra siȩ zakończy b) Jakie s a szanse, że grȩ wygra gracz A? 7. Dwaj gracze graj a w or la i reszkȩ monet a symetryczn a. Jeśli wypadnie orze l gracz A p laci B 1 z l., jeśli reszka to B p laci A 1 z l. Gra siȩ kończy, gdy któryś z graczy zostanie bez pieniȩdzy. Na pocz atku gry gracz A ma a z l., a B b z l. 2

3 a) Oblicz prawdopodobieństwo, że grȩ wygra gracz A. b) Jak zmieni siȩ to prawdopodobieństwo, jeśli moneta jest sfa lszowana tzn. orze l wypada z prawdopodobieństwem p 1/2? 3

4 Zadania z Rachunku rawdopodobieństwa Na kiju d lugości l wybrano na chybi l trafi l 2 punkty i w tych punktach prze lamano kij. Oblicz prawdopodobieństwo, że z otrzymanych 3 kawa lków można zbudować trójk at. 2. (Ig la Buffona) Ig lȩ o d lugości l rzucono w sposób losowy na p laszczyznȩ z zaznaczonymi liniami równoleg lymi. Odleg lość miȩdzy s asiednimi liniami wynosi d > l. Oblicz prawdopodobieństwo, że ig la przetnie któr aś z linii. 3. Wielok at wypuk ly o średnicy mniejszej niż d rzucono na p laszczyznȩ poliniowan a jak w poprzednim zadaniu. Oblicz prawdopodobieństwo, że wielok at przetnie któr aś z linii. 4. Udowodnij, że w definicji niezależności n zdarzeń każde z 2 n n 1 równań jest niezbȩdne (tzn. jeśli odrzucimy jedno z równań to istniej a zdarzenia zależne spe lniaj ace wszystkie pozosta le równania). 5. Dla A F zdefiniujmy A 1 = A i A 1 = A. Udowodnij, że dla dowolnych A 1,..., A n F i ε 1,..., ε n { 1, 1} zdarzenia A 1,..., A n s a niezależne wtedy i tylko wtedy gdy zdarzenia A ε1 1,..., Aεn n s a niezależne. 6. Niech F : R [0, 1] bȩdzie lewostronnie ci ag l a niemalej ac a funkcj a tak a, że F ( ) = 1 oraz F ( ) = 0. okaż, że F jest dystrybuant a pewnej rzeczywistej zmiennej losowej tzn. istnieje przetrzeń probabilistyczna i zmienna X na niej okreĺona takie, że F (t) = (X < t) dla t R. 7. Za lóżmy, że (E, B) jest przestrzeni a mierzaln a oraz A pewn a klas a podzbiorów E tak a, że σ(a) = B. Niech X, Y bȩd a zmiennymi losowymi o wartościach w (E, B) takimi, że (X A) = (Y A) dla wszytkich A A. Wykaż, że powyższe za lożenia nie implikuj a równości rozk ladów X i Y. 8. a) okazać, że funkcje Rademachera r n (x) = sgn(cos(2 n πx)) s a niezależnymi zmiennymi losowymi w ([0, 1], B([0, 1]),. ) b) dla t [0, 1] i n = 1, 2,... niech X n (t) oznacza n-t a cyfrȩ rozwiniȩcia dwójkowego liczby t (w przypadku dwu rowiniȩć wybieramy np. to ze skończon a liczb a 1). Udowodnij, że X 1, X 2,... s a niezależnymi zmiennymi losowymi w ([0, 1], B([0, 1]),. ). 9. Udowodnij, że z prawdopodobieństwem 1 w ci agu niezależnych rzutów monet a wyst api każdy skończony ci ag z lożony z or lów i reszek. 4

5 Zadania z Rachunku rawdopodobieństwa Niech ε 1, ε 2,... bȩdzie ci agiem niezależnych zmiennych losowych takich, że (ε i = ±1) = 1 2 (por. zad 3.8). Dla skończonych podzbiorów A liczb ca lkowitych dodatnich zdefiniujmy funkcje Walsha { w A = i A ε i jeśli A 1 jeśli A = a) znajdź rozk lad w A b) wykaż, że w A, w B s a niezależne gdy A B. Czy w A, w B, w C musz a być niezależne dla różnych indeksów A, B, C? 2. Niech X 1,..., X n bȩd a niezależnymi zmiennymi losowymi o jednakowym rozk ladzie z ci ag l a dystrybuant a F. Dla ω Ω niech X 1 (ω),..., X n(ω) bȩdzie ustawieniem X 1 (ω),..., X n (ω) w porz adku rosn acym X 1 (ω) X 2 (ω)... X n(ω) (czyli w szczegolności X 1 = min(x 1,..., X n ), X n = max(x 1,..., X n ). Znajdź dystrybuantȩ X k dla k = 1,..., n (X k nazywamy k-t a statystyk a porz adkow a ci agu X 1,..., X n ) 3. Za lóżmy, że X, Y zmienne losowe takie, że X jest σ(y )-mierzalne tzn. σ(x) σ(y ). Udowodnij, że istnieje ϕ : R R mierzalna taka, że X = ϕ(y ). 4. Niech X 1, X 2,... bȩdzie ci agiem niezależnych rzeczywistych zmiennych losowych. Określmy Y = lim sup X n, Z = lim inf X n. n n Udowodnij, że Y i Z s a zdegenerowanymi zmiennymi losowymi tzn. istniej a c, d R {± } takie, że (X = c) = (Y = d) = 1. 5

6 Zadania z Rachunku rawdopodobieństwa Niech X, Y bȩd a niezależnymi zmiennymi losowymi o rozk ladzie geometrycznym z parametrami odpowiednio p i r. Oblicz (X < Y ). 2. Rozwi aż zadanie j.w., ale w przypadku gdy X i Y maj a rozk lad eksponencjalny z parametrami λ i µ. 3. Zmienne losowe X i Y s a niezależne, przy czym dystrybuanta X jest ci ag la. Wykaż, że (X = Y ) = Na skrzyżowaniu ulic na pewnym kierunku świat lo czerwone świeci siȩ 2 minuty, zaś świat lo zielone 1 minutȩ (zak ladamy, że nie ma świat la żó ltego). W losowym momencie samochód przyjeżdża na skrzyżowanie, oznaczmy przez X d lugość oczekiwania na świat lo zielone. a) Znajdź rozk lad X b) Znajdź wartość oczekiwan a i wariancjȩ X. 5. Niech X bȩdzie niestarzej ac a siȩ zmienn a losow a tzn t,s>0 (X > s + t X > s) = (X > t) (zak ladamy, że (X > t) > 0 dla wszystkich t). Udowodnij, że X ma rozk lad eksponencjalny. 6. Niech ε 1, ε 2,... bȩd a niezależnymi symetrycznymi zmiennymi losowymi Bernoulliego tzn. (ε i = ±1) = 1/2. Jaki rozk lad ma zmienna X = 2 i ε i? 7. Udowodnij, że dla dowolnych liczb rzeczywistych a 1,..., a n E( a i ε i ) 4 3(E( a i ε i ) 2 ) 2, gdzie ε 1,..., ε n s a dobrane jak w poprzednim zadaniu. Wykaż, że sta lej 3 nie można poprawić 8. Roztrzepana sekretarka umieści la w sposób losowy N listów w N uprzednio zaadresowanych kopertach. Niech X oznacza liczbȩ listów, które trafi ly do w laściwej koperty. Znajdź wartość oczekiwan a i wariancjȩ X. 9. Niech F bȩdzie dystrybuant a pewnej zmiennej losowej X. Udowodnij, że jeśli F jest funkcj a różniczkowaln a w każdym punkcie to X ma rozk lad ci ag ly. 10. rzy oznaczeniach jak w zadaniu 7 wykaż, że dla wszystkich t 0 t 2 ( a i ε i t) 2 exp( 2 n ). a2 i 6

7 Zadania z Rachunku rawdopodobieństwa a) X N (a, σ 2 ), jaki rozk lad ma bx = c dla b, c R? b) X N (0, 1), znajdź rozk lad e X (tzw. rozk lad lognormalny). c) X 1,..., X n niezależne zmienne losowe o rozk ladach N (a i, σi 2 ), udowodnij, że dla dowolnych liczn rzeczywistych b i, n b ix i ma rozk lad normalny, znajdź parametry tego rozk ladu. d) X, Y niezależne zmienne losowe o rozk ladzie N (0, 1), jaki rozk lad maj a zmienne X + Y, X Y, czy s a niezależne? 2. X, Y niezależne zmienne losowe o rozk ladzie Γ(α 1, β) i Γ(α 2, β). Udowodnij, że X + Y ma rozk lad Γ(α 1 + α 2, β). 3. Niech X 1, X 2,... bȩdzie ci agiem niezależnych zmiennych losowych o wspólnym rozk ladzie Exp(λ). Zdefiniujmy S 0 = 0, S 1 = X 1, S 2 = X 1 + X 2,.... Dla t > 0 niech N t = sup{n : S n t}. Wykaż, że N t ma rozk lad oissona z parametrem λt. 4. X, Y niezależne zmienne losowe o rozk ladzie Cauchy ego z parametrami h 1 i h 2, udowodnij, że X +Y ma rozk lad Cauchy ego z parametrem h 1 +h 2 (inaczej jeśli X, Y niezależne o standardowym rozk ladzie Cauchy ego to h 1 X + h 2 Y (h 1 + h 2 )X). 5. X, Y s a niezależnymi zmiennymi losowymi o rozk ladzie eksponencjalnym z parametrami λ i µ, znajdź rozk lad zmiennej X/Y. 6. X, Y niezależne zmienne losowe o wartościach w T = {z C : z = 1}. Co można powiedzieć o rozk ladzie XY jeśli X ma rozk lad jednostajny na T. 7. X 0, X 1,... s a niezależnymi zmiennymi losowymi o jednakowym rozk l]adzie z ci ag l a dystrybuant a. Niech N = inf{n : X n > X 0 }. Znajdź rozk lad N i oblicz EN. 8. Udowodnij, że dla 0 < λ < 1 2 rozk lad n=1 λn ε n nie jest ci ag ly (ε 1, ε 2,... s a niezależnymi zmiennymi takimi, że (ε i = ±1) = 1/2). 9. Niech Z bȩdzie zmienn a losow a Cauchy ego z parametrem 1. Udowodnij, że zmienne Z 2 = 2Z ( n ) ( 1 Z 2, Z 3Z Z3 3 = 1 3Z 2,..., Z 1 Z n n = 3) Z 3 + ( n 5) Z ( ) n 2 Z2 + ( n,... 4) Z4... maj a rozk lad Cauchy ego. 7

8 Zadania z Rachunku rawdopodobieństwa Urna zawiera N kul w tym b kul bia lych. Losujemy z urny bez zwracania n kul (n N) i definiujemy zmienn a losow a X jako liczbȩ wylosowanych kul bia lych. Oblicz wartość oczekiwan a i wariancjȩ X. 2. W urnie jest N kul w tym N 1 bia lych i 1 czerwona. Gracz ci agnie kule bez zwracania i wygrywa 1 z l za każd a wyci agniȩt a kulȩ bia l a, ale traci wszystko i kończy grȩ, jeśli wyci agnie kulȩ czerwon a. rzed każdym losowaniem kuli gracz może zdecydować (oczywiście jeśli nie pojawi la siȩ kula czerwona) czy grać dalej czy zadowolić siȩ dotychczasow a wygran a. Znaleźć strategiȩ optymaln a tzn maksymalizuj ac a średni a wygran a. Rozwi azać to samo zadanie przy za lożeniu, że losujemy kule ze zwracaniem. 3. Oblicz wartość oczekiwan a i wariancjȩ rozk ladu gamma Γ(α, β). 4. Niech X bȩdzie mia l rozk lad N (0, 1). Oblicz E X p dla p R, jak wygl ada ta liczba dla p naturalnych? 5. X jest rzeczywist a zmienn a losow a, udowodnij, że E X p = p 0 t p 1 ( X t)dt. 6. Rzeczywista zmienna losowa X spe lnia E X p <, udowodnij, że lim t tp ( X t) = (Nierwność Chinczyna) Zmienne ε 1, ε 2,... s a niezależnymi Rademacherami tzn (ε i = ±1) = 1 2. Udowodnij, że dla dowolnego p > 0 istnieje sta la C p < zależna tylko od p taka, że dla dowolnych liczb a 1, a 2,..., a n (E a i ε i ) 1/p C p n 8. X jest nieujemn a zmienn a losowa, udowodnij, że dla λ (0, 1) a 2 i (X > λex) (1 λ) 2 (EX)2 EX Niech (ε i ) bȩd a jak w zadaniu 7. Wykaż, że istnieje sta la uniwersalna c > 0 taka, że dla dowolnych liczb a 1, a 2,..., a n a*) pdf ( n a iε i 1 n ) 2 a2 i c b**) ( n a iε i n ) a2 i c. 8

9 Zadania z Rachunku rawdopodobieństwa Zmienne losowe X, Y s a niezależne o tym samym rozk ladzie. Udowodnij, że E(X X + Y ) = E(Y X + Y ) = X + Y 2 p.w. 2. Niech X 1, X 2,... bȩd a niezależnymi zmiennymi losowymi o wspólnym rozk ladzie oraz S k = X 1 + X X k. Znajdź dla i, n 1 E(X i S n, S n+1,... ) := E(X i σ(s n, S n+1,... )). 3. Znajdź przyk lad zmiennych losowych X, Y, które nie s a niezależne, ale E(X Y ) = EX. 4. Wektor losowy (X, Y ) ma gȩstość g(x, y) = Znajdź E(X Y ). { x 3 2 e x(y+1) jeśli x > 0, y > 0 0 w przeciwnym przypadku 5. X jest zmienn a losow a o rozk ladzie wyk ladniczym z parametrem 1, zaś Y - zmienn a losow a tak a, że jeśli X = x to Y ma rozk lad wyk ladniczy z parametrem X. a) Znajdź rozk lad Y b) Oblicz (X > r Y ). 6. X 1, X 2,..., X n s a niezależnymi zmiennymi losowymi o rozk ladzie jednostajnym na przedziale [0, a], oblicz E(X 1 max(x 1,..., X n )). 7. Niech bȩdzie miar a probabilistyczn a na (R 2, (R 2 )) z gȩstości a f(x, y) wzglȩdem miary Lebesgue a (czyli (A) = f(x, y)dxdy). Niech G = A {A R : A B(R)}. Znajdź Π( G) rozk lad warunkowy wzglȩdem G. 8. (Wersja twierdzenia Bayesa dla rozk ladów warunkowych) Za lóżmy, że (Ω, F, ) jest przestrzeni a probabilistyczn a, G F σ-podcia lem, zaś Π( G) regularnym rozk ladem warunkowym wzglȩdem G. Wykaż, że dla wszystkich G G, A F takich, że (A) > 0 zachodzi Π(A G)(ω)d (ω) (G A) = G. Π(A G)(ω)d (ω) Ω 9. Za lóżmy, że X jest nieujemn a zmienn a losow a na (Ω, F, ) oraz G F σ-podcia lo. Udowodnij, że a) E(X G) = (X > t G)dt p.w. 0 b) (X > t G) t k E(X k G) p.w. 9

10 Zadania z Rachunku rawdopodobieństwa X jest zmienn a losow a tak a, że E X p < dla pewnego p > 0. Wykaż, że lim p 0+ (E X p ) 1/p = X 0 := exp(e ln X ) (przyjmujemy, że e = 0). 2. Dla p < 0 określmy podobnie jak dla p > 0, X p = (E X p ) 1/p używaj ac dodatkowej konwencji α = 0 dla α < 0. Wykaż, że X q X p dla < q p. 3. Udowodnij, że lim p X p = X := esssup X. 4. Udowodnij, że funkcja f(r) = r ln E X 1/r jest wypuk la dla r (0, ). 5. (Ogólna postać nierówności Chinczyna) Wykaż, że dla p, q > 0 istnieje sta la C p,q < taka, że dla dowolnych liczb a 1,..., a n (E a i ε i p ) 1/p C p,q (E a i ε i q ) 1/q (ε 1,..., ε n - niezależne zmienne losowe takie, że (ε i = ±1) = 1/2) 6. Dla przestrzeni probabilistycznej (Ω, F, ) określmy L 0 (Ω, F, ) = {X; Ω R : mierzalne}. Dla X, Y L 0 (Ω, F, ) niech d 1 (X, Y ) = E min(1, X Y ), d 2 (X, Y ) = E X Y 1+ X Y. Wykaż, że metryki d 1 i d 2 s a równoważne oraz zbieżność w każdej z tych metryk jest równoważna zbieżności wed lug prawdopodobieństwa. 7. Wykaż, że zbieżność prawie wszȩdzie jest niemetryzowalna tzn. nie istnieje metryka na L 0 (Ω, F, ), która metryzowa laby zbieżność prawie na pewno. 8. Udowodnij, że dla dowolnych zmiennych losowych X n, Y n, X, Y a) jeśli X n X i Xn Y to (X = Y ) = 1 b) jeśli X n X i Yn X to limn ( X n Y n > ε) = 0 dla każdego ε > 0 9. Wykaż, że jeśli X n X i Yn Y to axn +by n ax +by dla dowolnych liczb rzeczywistych a, b. 10. Udowodnij nierówność Levy ego: jeśli X 1,..., X n s a niezależnymi symetrycznymi zmiennymi losowymi to dla t > 0 gdzie S k = X X k. ( max 1 k n S k t) 2 ( S n t), 11. Udowodnij, że istnieje sta la C < taka, że dla dowolnych niezależnych zmiennych losowych o jednakowym rozk ladzie i wartościach w ośrodkowej przestrzeni Banacha (E,. ) dla dowolnego t > 0 zachodzi nierówność gdzie S k = X X k. ( max 1 k n S k Ct) C ( S n t), 10

11 Zadania z Rachunku rawdopodobieństwa Udowodnij, że dla ci agu nieujemnych zmiennych losowych X i, X i < p.w. wtedy i tylko wtedy gdy E Xi 1+X i <. 2. Zmienne X i oraz ε i s a niezależne przy czym (ε i = ±1) = 1 2. Wykaż, że ε i X i jest zbieżny p.w. wtedy i tylko wtedy gdy X2 i < p.w. (proszȩ w miarȩ możliwości udowodnić ten fakt bez odwo lywania siȩ do twierdzenia Ko lmogorowa o trzech szeregach) 3. Zmienne ε i s a zdefiniowane jak w poprzednim zadaniu, wykaż, że dla liczb rzeczywistych a i szereg a i ε i jest zbieżny p.w. wtedy i tylko wtedy gdy a 2 i <. 4. Z poprzedniego zadania wynika, że S = n=1 1 n ε n jest zbieżny p.w. Czy S ma rozk lad ci ag ly? 5. Dla 0 < λ < 1 zdefiniujmy zmienn a losow a S λ = n=1 λn ε n. Wykaż, że S λ ma ci ag l a dystrybuantȩ oraz czysto singularny rozk lad tzn. istnieje zbiór borelowski A miary Lebesgue a zero taki, że (S λ A) = Wykaż, że dla dowolnych zmiennych losowych X i o wartościach w ośrodkowej przestrzeni Banacha E szereg X i jest zbieżny wg prawdopodobieństwa wtedy i tylko wtedy gdy jest zbieżny p.w. 7. Zdarzenia A 1, A 2,... s a niezależne oraz p n = (A n ), N n = n I A i, n = 1, 2,.... Udowodnij, że wg prawdopodobieństwa. N n n p 1 + p p n 0 n 8. Funkcja rzeczywista f jest ci ag la na [0, 1] 2. Dla x, y [0, 1] określmy B f,n (x, y) = f( k n, l ( )( ) n n n ) x k (1 x) n k y l (1 y) n l. k l k,l=0 Udowodnij, że B f,n (x, y) zbiega jednostajnie do f(x, y) na [0, 1] Zmienne X 1, X 2,... s a niezależne o jednakowym rozk ladzie, 0 X i < 1 p.w., udowodnij, że X 1 X 2... X n 0 p.w. 11

12 Zadania z Rachunku rawdopodobieństwa Zmienne losowe X 1, X 2,... s a niezależne o wspólnym rozk ladzie eksponencjalnym z parametrem λ. okazać, że ci ag zmiennych losowych X 1 X 2 + X 2 X X n X n+1 n jest zbieżny prawie na pewno i znaleźć jego granicȩ. 2. Dla ci agu X 1, X 2,... niezależnych zmiennych losowych o wspólnym rozk ladzie o skończonej wariancji definiujemy średni a empiryczn a m n i dystrybuantȩ empiryczn a σ 2 n wzorami m n = X 1 + X X n, σ n 2 = 1 n n 1 (X k m n ) 2. Udowodnij, że E m n = EX 1, E σ 2 n = V (X 1 ) (tzn. m n i σ 2 n s a nieobci ażonymi estymatorami średniej i wariancji) oraz m n EX 1, σ 2 n V (X 1 ) prawie na pewno gdy n. 3. Dany jest ci ag X 1, X 2,... niezależnych zmiennych losowych o wspólnym rozk ladzie taki, że EX i = (tzn EX 1 < oraz EX+ i = ). Udowodnij, że X1+X2+...+Xn n prawie na pewno gdy n. 4. Zmienne losowe X 1, X 2,... s a niezależne oraz (X i = 1) = p, (X i = 1) = 1 p dla pewnego p (1/2, 1]. Wykaż, że X X n prawie na pewno gdy n. Co siȩ dzieje, gdy p = 1/2? 5. (Silne prawo wielkich liczb Marcinkiewicza) Niech X 1, X 2,... bȩd a niezależnymi jednakowo roz lożonymi zmiennymi losowymi oraz 0 < p < 2. Udowodnij, że k=1 X 1 + X X n n 1/p p.w. wtedy i tylko wtedy gdy E X p < oraz dodatkowo EX = 0 dla 1 p < rzy za lożeniach poprzedniego zadania udowodnij, że X 1 + X X n n p.w. wtedy i tylko wtedy gdy X i = 0 p.w.. 12

Zadania z Rachunku Prawdopodobieństwa Dana jest przestrzeń probabilistyczna (Ω, F, P ), gdzie Ω jest zbiorem przeliczalnym

Zadania z Rachunku Prawdopodobieństwa Dana jest przestrzeń probabilistyczna (Ω, F, P ), gdzie Ω jest zbiorem przeliczalnym Zadania z Rachunku rawdopodobieństwa - 1 1. Dana jest przestrzeń probabilistyczna (Ω, F, ), gdzie Ω jest zbiorem przeliczalnym i F = 2 Ω. Udowodnij, że istnieją liczby p ω 0, ω Ω p ω = 1 takie, że (A)

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa I - 1. a) Jacek i Agatka stoją koło siebie; b) Jacek, Placek i Agatka stoją koło siebie.

Zadania z Rachunku Prawdopodobieństwa I - 1. a) Jacek i Agatka stoją koło siebie; b) Jacek, Placek i Agatka stoją koło siebie. Zadania z Rachunku Prawdopodobieństwa I - 1 1. Grupę n dzieci ustawiono w sposón losowy w szereg. Oblicz prawdopodobieństwo tego, że a) Jacek i Agatka stoją koło siebie; b) Jacek, Placek i Agatka stoją

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA

STATYSTYKA 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 szczegółowo

STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1

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 szczegółowo

Procesy Stochastyczne - Zestaw 1

Procesy 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 szczegółowo

Trochę zadań kombinatorycznych. 1. na ile sposobów można siedmiu stojących na peronie pasażerów umieścić w trzech wagonach?

Trochę zadań kombinatorycznych. 1. na ile sposobów można siedmiu stojących na peronie pasażerów umieścić w trzech wagonach? Trochę zadań kombinatorycznych 1. na ile sposobów można siedmiu stojących na peronie pasażerów umieścić w trzech wagonach? 2. Na szachownicy o wymiarach n n umieszczamy 8 nierozróżnialnych wież szachowych

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa - 12

Zadania z Rachunku Prawdopodobieństwa - 12 Zadania z Rachunku Prawdopodobieństwa - 12 1. Udowodnij, że dla dowolnych punktów x n, x w przestrzeni metrycznej E δ xn δ x wtedy i tylko wtedy gdy x n x. 2. Wykaż, że 1 n n k=1 δ k/n λ, gdzie λ jest

Bardziej szczegółowo

Elementy analizy funkcjonalnej PRZESTRZENIE LINIOWE

Elementy 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 szczegółowo

PROBABILISTYKA - test numery zestawów 1,3,5,7,9,...,41

PROBABILISTYKA - 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 szczegółowo

12DRAP - parametry rozkładów wielowymiarowych

12DRAP - parametry rozkładów wielowymiarowych DRAP - parametry rozkładów wielowymiarowych Definicja.. Jeśli h : R R, a X, Y ) jest wektorem losowym o gęstości fx, y) to EhX, Y ) = hx, y)fx, y)dxdy. Jeśli natomiast X, Y ) ma rozkład dyskretny skupiony

Bardziej szczegółowo

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych 1. [E.A 5.10.1996/zad.4] Funkcja gęstości dana jest wzorem { 3 x + 2xy + 1 y dla (x y) (0 1) (0 1) 4 4 P (X > 1 2 Y > 1 2 ) wynosi:

Bardziej szczegółowo

3. Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ,

3. Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ, Zadania z Rachunku Prawdopodobieństwa II - Mówimy, że i) ciąg miar probabilistycznych µ n zbiega słabo do miary probabilistycznej µ (ozn. µ n µ), jeśli fdµ n fdµ dla dowolnej funkcji ciągłej ograniczonej

Bardziej szczegółowo

3.1 Wprowadzenie teoretyczne i przyk lady

3.1 Wprowadzenie teoretyczne i przyk lady 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

Bardziej szczegółowo

Seria 1. Zbieżność rozkładów

Seria 1. Zbieżność rozkładów Seria Zbieżność rozkładów We wszystkich poniższych zadaniach (E, ρ) jest przestrzenią metryczną Wykazać, że dla dowolnych x, x n, δ xn δ x wtedy i tylko wtedy, gdy x n x Sprawdzić, że n nk= δ k n λ, gdzie

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa II Podaj przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ,

Zadania z Rachunku Prawdopodobieństwa II Podaj przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ, Zadania z Rachunku Prawdopodobieństwa II -. Udowodnij, że dla dowolnych liczb x n, x, δ xn δ x wtedy i tylko wtedy, gdy x n x.. Wykaż, że n n k= δ k/n λ, gdzie λ jest miarą Lebesgue a na [, ].. Podaj przykład

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA. Spis pojȩċ teoretycznych

RACHUNEK 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 szczegółowo

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

Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu. Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu. A Teoria Definicja A.1. Niech (Ω, F, P) będzie przestrzenią probabilistyczną. Zmienną losową określoną na przestrzeni Ω nazywamy dowolną

Bardziej szczegółowo

p k (1 p) n k. k c. dokładnie 10 razy została wylosowana kula amarantowa, ale nie za pierwszym ani drugim razem;

p 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 szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka 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 szczegółowo

Teoria 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 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 szczegółowo

Rachunek prawdopodobieństwa i statystyka

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

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa II Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ,

Zadania z Rachunku Prawdopodobieństwa II Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ, Zadania z Rachunku Prawdopodobieństwa II -. Udowodnij, że dla dowolnych liczb x n, x, δ xn δ x wtedy i tylko wtedy, gdy x n x.. Wykaż, że n n k= δ k/n λ, gdzie λ jest miarą Lebesgue a na [, ].. Podać przykład

Bardziej szczegółowo

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Niech Ω będzie przestrzenią zdarzeń elementarnych. Definicja 1 Rodzinę S zdarzeń losowych (zbiór S podzbiorów zbioru

Bardziej szczegółowo

Niech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach:

Niech 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 szczegółowo

Szkice do zajęć z Przedmiotu Wyrównawczego

Szkice do zajęć z Przedmiotu Wyrównawczego Szkice do zajęć z Przedmiotu Wyrównawczego Matematyka Finansowa sem. letni 2011/2012 Spis treści Zajęcia 1 3 1.1 Przestrzeń probabilistyczna................................. 3 1.2 Prawdopodobieństwo warunkowe..............................

Bardziej szczegółowo

Prawdopodobieństwo. Prawdopodobieństwo. Jacek Kłopotowski. Katedra Matematyki i Ekonomii Matematycznej SGH. 16 października 2018

Prawdopodobieństwo. 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 szczegółowo

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

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

Bardziej szczegółowo

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

Zestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) = Zestaw : Zmienne losowe. Które z poniższych funkcji są dystrybuantami? Odpowiedź uzasadnij. Wskazówka: naszkicuj wykres. 0, x 0,, x 0, F (x) = x, F (x) = x, 0 x

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa III - 1

Zadania z Rachunku Prawdopodobieństwa III - 1 Zadania z Rachunku Prawdopodobieństwa III - 1 Funkcją tworzącą momenty (transformatą Laplace a) zmiennej losowej X nazywamy funkcję M X (t) := Ee tx, t R. 1. Oblicz funkcję tworzącą momenty zmiennych o

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka 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 szczegółowo

rachunek prawdopodobieństwa - zadania

rachunek 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 szczegółowo

Zadania z Rachunku Prawdopodobieństwa I - seria 1

Zadania z Rachunku Prawdopodobieństwa I - seria 1 Zadania z Rachunku Prawdopodobieństwa I - seria 1 1. Dana jest przestrzeń probabilistyczna (Ω, F, P), gdzie Ω jest zbiorem przeliczalnym oraz F = 2 Ω. Udowodnij, że istnieją liczby p ω 0, takie że P(A)

Bardziej szczegółowo

T 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. 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 szczegółowo

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA 1. Trójkę (Ω, F, P ), gdzie Ω, F jest σ-ciałem podzbiorów Ω, a P jest prawdopodobieństwem określonym na F, nazywamy przestrzenią probabilistyczną. 2. Rodzinę F

Bardziej szczegółowo

Wyk lad 5. Analiza dla informatyków 1 DANI LI1 Pawe l Domański szkicowe notatki do wyk ladu. 1. Granice niew laściwe

Wyk 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 szczegółowo

Przestrzeń probabilistyczna

Przestrzeń probabilistyczna Przestrzeń probabilistyczna (Ω, Σ, P) Ω pewien niepusty zbiór Σ rodzina podzbiorów tego zbioru P funkcja określona na Σ, zwana prawdopodobieństwem. Przestrzeń probabilistyczna (Ω, Σ, P) Ω pewien niepusty

Bardziej szczegółowo

ćwiczenia z rachunku prawdopodobieństwa

ćwiczenia 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 szczegółowo

Wykład 3 Jednowymiarowe zmienne losowe

Wykład 3 Jednowymiarowe zmienne losowe Wykład 3 Jednowymiarowe zmienne losowe Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną Definicja 1 Jednowymiarowa zmienna losowa (o wartościach rzeczywistych), określoną na przestrzeni probabilistycznej

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka 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 szczegółowo

Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie

Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Jarosław Kotowicz Instytut Matematyki Uniwersytet w

Bardziej szczegółowo

Zadania z RP 2. seria Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n

Zadania z RP 2. seria Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n Zadania z RP 2. seria 1. 1. Dla x R n, niech δ x oznacza miarę Diraca, skupioną w punkcie x. Wykazać, że dla dowolnego ciągu x n R n zachodzi δ xn δ x wtedy i tylko wtedy, gdy x n x. 2. Podać przykład

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka 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 szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka 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 szczegółowo

02DRAP - Aksjomatyczna definicja prawdopodobieństwa, zasada w-w

02DRAP - 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 szczegółowo

Metody probabilistyczne

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

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VII: Rozkład i jego charakterystyki 22 listopada 2016 Uprzednio wprowadzone pojęcia i ich własności Definicja zmiennej losowej Zmienna losowa na przestrzeni probabilistycznej (Ω, F, P) to funkcja

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje 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 szczegółowo

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ. Zadania z Procesów Stochastycznych 1 1. Udowodnij, że z prawdopodobieństwem 1 trajektorie procesu Poissona są niemalejące, przyjmują wartości z Z +, mają wszystkie skoki równe 1 oraz dążą do nieskończoności.

Bardziej szczegółowo

rachunek prawdopodobieństwa - zadania

rachunek prawdopodobieństwa - zadania rachunek prawdopodobieństwa - zadania ogólna definicja prawdopodobieństwa, własności - 9.10.2011 1. (d, 1pkt) Udowodnić twierdzenie 2 tj. własności prawdopodobieństwa (W1)-(W7). 2. Niech Ω = [0, 1] oraz

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa I - seria 1 Aksjomatyka Kołmogorowa, prawdopodobieństwo klasyczne, prawdopodobieństwo geometryczne

Zadania z Rachunku Prawdopodobieństwa I - seria 1 Aksjomatyka Kołmogorowa, prawdopodobieństwo klasyczne, prawdopodobieństwo geometryczne Zadania z Rachunku Prawdopodobieństwa I - seria 1 Aksjomatyka Kołmogorowa, prawdopodobieństwo klasyczne, prawdopodobieństwo geometryczne 1. Dana jest przestrzeń probabilistyczna (Ω, F, P), gdzie Ω jest

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa I - seria 1

Zadania z Rachunku Prawdopodobieństwa I - seria 1 Zadania z Rachunku Prawdopodobieństwa I - seria 1 1. Dana jest przestrzeń probabilistyczna (Ω, F, P), gdzie Ω jest zbiorem przeliczalnym oraz F = 2 Ω. Udowodnij, że istnieją liczby p ω 0, takie że P(A)

Bardziej szczegółowo

c. dokładnie 10 razy została wylosowana kula antracytowa, ale nie za pierwszym ani drugim razem;

c. 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 szczegółowo

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 2 i 3 1 / 19 Zmienna losowa Definicja Dana jest przestrzeń probabilistyczna

Bardziej szczegółowo

Ćwiczenia: Ukryte procesy Markowa lista 1 kierunek: matematyka, specjalność: analiza danych i modelowanie, studia II

Ćwiczenia: Ukryte procesy Markowa lista 1 kierunek: matematyka, specjalność: analiza danych i modelowanie, studia II Ćwiczenia: Ukryte procesy Markowa lista kierunek: matematyka, specjalność: analiza danych i modelowanie, studia II dr Jarosław Kotowicz Zadanie. Dany jest łańcuch Markowa, który może przyjmować wartości,,...,

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa I - seria 1 Aksjomatyka Kołmogorowa, prawdopodobieństwo klasyczne, prawdopodobieństwo geometryczne

Zadania z Rachunku Prawdopodobieństwa I - seria 1 Aksjomatyka Kołmogorowa, prawdopodobieństwo klasyczne, prawdopodobieństwo geometryczne Zadania z Rachunku Prawdopodobieństwa I - seria 1 Aksjomatyka Kołmogorowa, prawdopodobieństwo klasyczne, prawdopodobieństwo geometryczne 1. Dana jest przestrzeń probabilistyczna (Ω, F, P), gdzie Ω jest

Bardziej szczegółowo

g liczb rzeczywistych (a n ) spe lnia warunek

g liczb rzeczywistych (a n ) spe lnia warunek . Czy jest prawda, że a) R y R z R y + yz + = 0 ; b) R y R z R y + yz + 0 ; c) R y R z R y + yz + = 0 ; d) R y R z R y + yz + 0? 2. Czy jest prawdziwa nierówność a) ctg > ; b) tg < cos ; c) cos < sin ;

Bardziej szczegółowo

III. ZMIENNE LOSOWE JEDNOWYMIAROWE

III. ZMIENNE LOSOWE JEDNOWYMIAROWE III. ZMIENNE LOSOWE JEDNOWYMIAROWE.. Zmienna losowa i pojęcie rozkładu prawdopodobieństwa W dotychczas rozpatrywanych przykładach każdemu zdarzeniu była przyporządkowana odpowiednia wartość liczbowa. Ta

Bardziej szczegółowo

Jednowymiarowa zmienna losowa

Jednowymiarowa zmienna losowa 1 Jednowymiarowa zmienna losowa Przykład Doświadczenie losowe - rzut kostką do gry. Obserwujemy ilość wyrzuconych oczek. Teoretyczny model eksperymentu losowego - przestrzeń probabilistyczna (Ω, S, P ),

Bardziej szczegółowo

1 Relacje i odwzorowania

1 Relacje i odwzorowania Relacje i odwzorowania Relacje Jacek Kłopotowski Zadania z analizy matematycznej I Wykazać, że jeśli relacja ρ X X jest przeciwzwrotna i przechodnia, to jest przeciwsymetryczna Zbadać czy relacja ρ X X

Bardziej szczegółowo

POCHODNA 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. 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 szczegółowo

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi? Zadania z Analizy Funkcjonalnej I - 1 1. Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi? a) X = R, d(x, y) = arctg x y ; b) X = R n, d(x, y) = x 1 y 1 + x 2 y 2 + max i 3 x i

Bardziej szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka 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 z rejestracja jakiś sygna lów (danych). Moga to być na

Bardziej szczegółowo

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ.

2. Wykaż, że moment pierwszego skoku w procesie Poissona. S 1 := inf{t : N t > 0} jest zmienną losową o rozkładzie wykładniczym z parametrem λ. Zadania z Procesów Stochastycznych 1 1. Udowodnij, że z prawdopodobieństwem 1 trajektorie procesu Poissona są niemalejące, przyjmują wartości z Z +, mają wszystkie skoki równe 1 oraz dążą do nieskończoności.

Bardziej szczegółowo

WYKŁAD 3. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki

WYKŁAD 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 szczegółowo

a. zbiór wszystkich potasowań talii kart (w którym S dostaje 13 pierwszych kart, W - 13 kolejnych itd.);

a. 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 szczegółowo

i=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 =

i=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 szczegółowo

Prawa wielkich liczb, centralne twierdzenia graniczne

Prawa wielkich liczb, centralne twierdzenia graniczne , centralne twierdzenia graniczne Katedra matematyki i ekonomii matematycznej 17 maja 2012, centralne twierdzenia graniczne Rodzaje zbieżności ciągów zmiennych losowych, centralne twierdzenia graniczne

Bardziej szczegółowo

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

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 4 / 9 Przekształcenia zmiennej losowej X

Bardziej szczegółowo

Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS

Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS przykładowe zadania na. kolokwium czerwca 6r. Poniżej podany jest przykładowy zestaw zadań. Podczas kolokwium na ich rozwiązanie przeznaczone będzie ok. 85

Bardziej szczegółowo

P (A B) = P (A), P (B) = P (A), skąd P (A B) = P (A) P (B). P (A)

P (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 szczegółowo

5 Przegląd najważniejszych rozkładów

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

Bardziej szczegółowo

Wersja testu D 14 września 2011 r. 1. Czy prawda jest, że a) x Z y Z y 2 = 2 ; b) x Z y Z x 2 = 1 ; c) x Z y Z x 2 = 2 ; d) x Z y Z y 2 = 1?

Wersja testu D 14 września 2011 r. 1. Czy prawda jest, że a) x Z y Z y 2 = 2 ; b) x Z y Z x 2 = 1 ; c) x Z y Z x 2 = 2 ; d) x Z y Z y 2 = 1? 1. Czy prawda jest, że a) x Z y Z y 2 = 2 ; b) x Z y Z x 2 = 1 ; c) x Z y Z x 2 = 2 ; d) x Z y Z y 2 = 1? 2. Czy prawda jest, że a) 5 8 1 jest podzielne przez 4 ; b) 5 7 1 jest podzielne przez 4 ; c) 3

Bardziej szczegółowo

Rozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej

Rozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Zbiór możliwych wyników eksperymentu będziemy nazywać przestrzenią zdarzeń elementarnych i oznaczać Ω, natomiast

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3.

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3. RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3. ZMIENNA LOSOWA JEDNOWYMIAROWA. Zmienną losową X nazywamy funkcję (praktycznie każdą) przyporządkowującą zdarzeniom elementarnym liczby rzeczywiste. X : Ω R (dokładniej:

Bardziej szczegółowo

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

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

Bardziej szczegółowo

LOGIKA ALGORYTMICZNA

LOGIKA ALGORYTMICZNA LOGIKA ALGORYTMICZNA 0.0. Relacje. Iloczyn kartezjański: A B := (a, b) : a A i b B} (zak ladamy, że (x, y) i (u, v) s a równe wtedy i tylko wtedy gdy x = u i y = v); A n := (x 1,..., x n ) : x i A}; R

Bardziej szczegółowo

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

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład Rozdział 1 Wektory losowe 1.1 Wektor losowy i jego rozkład Definicja 1 Wektor X = (X 1,..., X n ), którego każda współrzędna jest zmienną losową, nazywamy n-wymiarowym wektorem losowym (krótko wektorem

Bardziej szczegółowo

Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.

Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń. Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń. 3.1 Prawdopodobieństwo warunkowe Katarzyna Rybarczyk-Krzywdzińska Przykład 1 Alicja wylosowała jedną kartę z

Bardziej szczegółowo

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

Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów. Rachunek prawdopodobieństwa MAT1332 Wydział Matematyki, Matematyka Stosowana Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów. Warunkowa

Bardziej szczegółowo

KURS PRAWDOPODOBIEŃSTWO

KURS 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

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?

Zadania z Analizy Funkcjonalnej I Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi? Zadania z Analizy Funkcjonalnej I - 1 1. Które z poniższych przestrzeni metrycznych są przestrzeniami unormowanymi?. a) X = R, x = arctg x ; b) X = R n, d(x, y) = x 1 y 1 + x 2 y 2 + max i 3 x i y i ;

Bardziej szczegółowo

WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ

WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ Dana jest populacja generalna, w której dwuwymiarowa cecha (zmienna losowa) (X, Y ) ma pewien dwuwymiarowy rozk lad. Miara korelacji liniowej dla zmiennych (X, Y

Bardziej szczegółowo

Sterowalność liniowych uk ladów sterowania

Sterowalność 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 szczegółowo

Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.

Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń. Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń. 3.1 Prawdopodobieństwo warunkowe Katarzyna Rybarczyk-Krzywdzińska semestr zimowy 2016/2017 Przykład 1 Alicja

Bardziej szczegółowo

Zadania zestaw 1: Zadania zestaw 2

Zadania zestaw 1: Zadania zestaw 2 Zadania zestaw 1: Zadania zestaw 2 Zadania zestaw 3. 1 Rozkład zmiennej losowej skokowej X przedstawia tabela. x i m 0 n p i 0,4 0,3 0,3 a) Wyznacz m i n jeśli: są całkowite, m

Bardziej szczegółowo

ci 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 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 szczegółowo

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

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna. Wykład 4 Rozkłady i ich dystrybuanty Dwa typy zmiennych losowych Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x, x 2,...}, to mówimy, że jest to zmienna dyskretna.

Bardziej szczegółowo

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

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III. Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej

Bardziej szczegółowo

Ekonomia matematyczna i dynamiczna optymalizacja

Ekonomia matematyczna i dynamiczna optymalizacja Ekonomia matematyczna i dynamiczna optymalizacja Ramy wyk ladu i podstawowe narz edzia matematyczne SGH Semestr letni 2012-13 Uk lady dynamiczne Rozwiazanie modelu dynamicznego bardzo czesto można zapisać

Bardziej szczegółowo

Liczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc

Liczby zespolone, liniowa zależność i bazy Javier de Lucas. a d b c. ad bc Liczby zespolone, liniowa zależność i bazy Javier de Lucas Ćwiczenie. Dowieść, że jeśli µ := c d d c, to homografia h(x) = (ax+b)/(cx+d), a, b, c, d C, ad bc, odwzorowuje oś rzeczywist a R C na okr ag

Bardziej szczegółowo

MATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś. Wprowadzenie

MATEMATYKA 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 szczegółowo

Zadania do Rozdziału X

Zadania do Rozdziału X Zadania do Rozdziału X 1. 2. Znajdź wszystkie σ-ciała podzbiorów X, gdy X = (i) {1, 2}, (ii){1, 2, 3}. (b) Znajdź wszystkie elementy σ-ciała generowanego przez {{1, 2}, {2, 3}} dla X = {1, 2, 3, 4}. Wykaż,

Bardziej szczegółowo

Rozkłady prawdopodobieństwa zmiennych losowych

Rozkłady prawdopodobieństwa zmiennych losowych Rozkłady prawdopodobieństwa zmiennych losowych Rozkład dwumianowy Rozkład normalny Marta Zalewska Zmienna losowa dyskretna (skokowa) jest to zmienna, której zbór wartości jest skończony lub przeliczalny.

Bardziej szczegółowo

Funkcje wielu zmiennych

Funkcje 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 szczegółowo

Laboratorium nr 7. Zmienne losowe typu skokowego.

Laboratorium nr 7. Zmienne losowe typu skokowego. Laboratorium nr 7. Zmienne losowe typu skokowego.. Zmienna losowa X ma rozkład dany tabelką: - 0 3 0, 0,3 0, 0,3 0, Naszkicować dystrybuantę zmiennej X. Obliczyć EX oraz VarX.. Zmienna losowa ma rozkład

Bardziej szczegółowo

Egzamin z matematyki ubezpieczeniowej (MUMIO), semestr zimowy 2013/14

Egzamin z matematyki ubezpieczeniowej (MUMIO), semestr zimowy 2013/14 ZESTAW A IMIȨ I NAZWISKO: Egzamin z matematyki ubezpieczeniowej (MUMIO), semestr zimowy 2/4 Data: 224 Egzaminar: Ryszard Szekli INSTRUKCJE: Rozwiązując test zakreślamy literką X POPRAWNE ODPOWIEDZI W TABELCE

Bardziej szczegółowo

z n n=1 S n nazywamy sum a szeregu. Szereg, który nie jest zbieżny, nazywamy rozbieżnym. n=1

z 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 szczegółowo

Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina.

Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina. Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina. Podstawowy problem sterowania optymalnego dla uk ladów nieliniowych W podstawowym problemie sterowania optymalnego minimalizacji

Bardziej szczegółowo

Rachunek prawdopodobieństwa

Rachunek 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 szczegółowo

a. zbiór wszystkich potasowań talii kart (w którym S dostaje 13 pierwszych kart, W - 13 kolejnych itd.);

a. 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 szczegółowo