ELEMENTY SYSTEMÓW KOLEJKOWYCH

Wielkość: px
Rozpocząć pokaz od strony:

Download "ELEMENTY SYSTEMÓW KOLEJKOWYCH"

Transkrypt

1 .Kowalsi Wybrae zagadieia z rocesów sochasyczych EEMENTY SYSTEMÓW KOEJKOWYCH WYBRANE ZAGADNIENIA uca Kowalsi Warszawa 8

2 .Kowalsi Sysemy Obsługi ieraura:.kowalsi, maeriały dydaycze z rocesów sochasyczych. B.Filiowicz, Modele sochasycze w badaiach oeracyych, D.Bobrowsi, Probabilisya w zasosowaiach echiczych, A.Plucińsa, E.Plucińsi, Probabilisya,.Kowalsi, Saysya. Ω,, S P rzesrzeń robabilisycza maemayczy model zawisa losowego, Ω zbiór wszysich zdarzeń elemearych, S zbiór zdarzeń, odzbiory zbioru Ω, P rawdoodobieńswo fuca rzyorządowuąca zdarzeiom szasę ich zaścia. P : S R Asomay rawdoodobieńswa: PI P A A S PII P Ω PIII P A A... P A P A... A i S; arami wyluczaące się. Własości rawdoodobieńswa a P b P A P A gdzie A Ω A es zdarzeiem rzeciwym c Jeśli zdarzeia A,...A wyluczaą się, o A... A P A... P A P d P A A P A P A P A A A, A ; S e P A P A dla A A A, A ; S f Jeśli A A o P A A P A P,, A Jeśli zdarzeń elemearych es sończeie wiele i są oe edaowo rawdoodobe o możemy sorzysać z zw. lasycze defiici rawdoodobieńswa.

3 .Kowalsi Sysemy Obsługi A liczba zdarzeń elemear ych srzyaąc ych P A A S Ω liczba wszysich zdarzeń elemear ych Zmieą losową azywamy fucę rayczie ażdą rzyorządowuącą zdarzeiom elemearym liczby rzeczywise. : Ω R Dysrybuaą zmiee losowe azywamy fucę F: R R oreśloą wzorem: F x P < x P, x Własości dysrybuay: a F es fucą iemaleącą, b F es fucą lewosroie ciągłą, c F ; F, d dysrybuaa zmiee losowe wyzacza edozaczie e rozład, e P a < b F b F a; a < b f P a F a F a; gdzie F a ozacza graicę rawosroą, eśli a es uem ciągłości dysrybuay o P a. Zmiea losowa es soowa dysrea eśli zbiór wszysich e warości es sończoy lub rzeliczaly. Rozład zmiee losowe soowe częso oreślamy za omocą fuci rawdoodobieńswa: P x własość: ; > iczby azywamy soami, a warości x uami soowymi. Zmiea losowa o dysrybuacie F es ciągła eśli e dysrybuaa da się rzedsawić w osaci x F x f d x R 3

4 .Kowalsi Sysemy Obsługi gdzie f es fucą sełiaącą warui: f x ; x R; f d i azywamy ą gęsością rawdoodobieńswa zmiee losowe. Własości zmiee losowe ciągłe: a, a P < a f x dx F a b P a P a < b P a < < b c P > b f x dx F b, b b a 4 b P a f x dx F b F a < b d P a, dla dowolego a R ; bra uów soowych, e F es fucą ciągłą i rawie wszędzie różiczowalą F x f x rówość zachodzi dla uów ciągłości gęsości. Wyzaczaąc gęsość rzez różiczowaie dysrybuay, w uach w órych F ie es różiczowala moża rzyąć, że gęsość es rówa zero. Własości rozładu zmiee losowe częso charaeryzuemy e aramerami. Jedym z odsawowych aramerów es warość oczeiwaa. Warość oczeiwaa. Ozaczeie E lub m. Dla zmiee losowe soowe E x i i i eśli eweualy szereg es zbieży bezwzględie, aie szeregi są "odore". a zmiaę oleości wyrazów. Dla zmiee losowe ciągłe E xf x dx eśli eweuala cała iewłaściwa es zbieża bezwzględie.

5 .Kowalsi Sysemy Obsługi Przyład Dla zmiee losowe o fuci rawdoodobieńswa x - 3,,6, E,,6 3,,6. Przyład Dla zmiee losowe o gęsości Własości warości oczeiwae a Ec c; c sała, b Ea ae, c E Y E EY, x x <, > f x x <, > 3 x E x xdx x dx 3 d Jeśli a b, o a E b, eśli Y, o E EY, e E E, E E f, Y iezależe, o EY E EY. Miarą rozrzuu warości zmiee losowe es wariaca. Wariaca. Ozaczeie D lub σ lub V. D E E Dla zmiee losowe soowe D xi E i Dla zmiee losowe ciągłe D x E f x dx Własości wariaci a D c ; c sała, b D a a D, c D b D, b sała, d, Y iezależe, o D ± Y D D Y e D E E. 5 3

6 .Kowalsi Sysemy Obsługi Uzasadieie e D E E E E E E EE E E E. Jeśli rozrzu warości zmiee losowe chcemy. z owodu ierreaci w zasosowaiach mierzyć w ych samych edosach co o sosuemy odchyleie sadardowe. Odchyleie sadardowe. Ozaczeie D lub σ. Podsawowe rozłady. D D Rozład dwuuowy zeroedyowy Niech, będzie usaloą liczbą. Oreślamy: P q, P ; gdzie q. Rozład e es wyorzysyway w saysycze oroli aości. Moża. rzyąć, że gdy wyrób dobry, gdy wyrób es wadliwy, wedy P rauemy ao wadliwość wyrobu. Rozład dwumiaowy Dla daych,, N oreślamy fucę rawdoodobieńswa P q gdzie q,,,...,. Zauważmy, że gdy o rozład dwumiaowy es rozładem zeroedyowym. Jeśli rzymiemy, że ozacza liczbę iezależych doświadczeń z órych ażde ończy się edym z dwóch wyiów: sucesem" z rawdoodobieńswem w ażdym doświadczeiu lub orażą i zmiea losowa ozacza liczbę sucesów o owyższy wzór wyzacza rawdoodobieńswo uzysaia doładie sucesów w doświadczeiach róbach. Przyład Prawdoodobieńswo uszodzeia serooiari rzed uływem gwaraci wyosi,. Firma zauiła 6 serooiare. Obliczyć rawdoodobieńswo, że rzed uływem gwaraci serooiari ulegą uszodzeiu. Jaa es abardzie rawdoodoba liczba uszodzoych serooiare rzed uływem gwaraci. liczba uszodzoych serooiare rzed uływem gwaraci, 6

7 .Kowalsi Sysemy Obsługi P,,,,, Uwaga Fucę rawdoodobieńswa zmiee losowe moża rzedsawić w abelce: x ,6,393,458,89,54,5, Zauważmy, że abardzie rawdoodobą liczba uszodzoych serooiare es. Przyład Rzucamy 4 razy osą sześcieą. Jaie es rawdoodobieńswo, że w co amie 3 rzuach liczba ocze będzie odziela rzez 3?. Szuae rawdoodobieńswo o P 3 P 3 P 4, gdzie sucesem es uzysaie 3 lub 6 ocze, więc /3. Zaem 4 P P P 3 P 3 P Przyład Obliczymy warość oczeiwaą rozładu dwumiaowego.! E q q!!! q q!! Rozład Poissoa Dla > oreślamy fucę rawdoodobieńswa 7

8 .Kowalsi Sysemy Obsługi P e,,,...! warości ych rawdoodobieńsw zawiera ablica rozładu Poissoa Rozład Poissoa możliwość odczyu w ablicy może dla dużych rayczie 3 i małych rayczie, rzybliżać rozład dwumiaowy rzybliżeie Poissoa q e! gdzie Przyład W udełu es 4 żarówe. Jaie es rawdoodobieńswo, że wśród ich es 5 żarówe wadliwych, eśli wadliwość roduci aich żarówe wyosi,5%? Jaa es abardzie rawdoodoba liczba uszodzoych żarówe w ym udełu? Zasosuemy rzybliżeie Poissoa, 4, 5. W ablicy rozładu Poissoa ablica I odczyamy, że: P 5,36 Rówież w ablicy rozładu Poissoa odczyamy, że abardzie rawdoodoba liczba uszodzoych żarówe w ym udełu o lub dla obu ych liczb rawdoodobieńswo es rówe,77. Rozłady ciągłe Rozład edosay Rozład órego gęsość es sała w ewym rzedziale azywamy edosaym. Gęsość rozładu edosaego w a, b f x b a x a ; b x a; b Poieważ gęsość a ma oś symerii w ucie x a b/ o E ab/ Poażemy, że Przyład Naierw obliczymy E D b a / 8

9 .Kowalsi Sysemy Obsługi E Zaem b b b a x 3 x dx b a b a 3 E a 3 3 b a a b a 3 3 ab b a b 3 b a a D E ab 3 Rozład wyładiczy Rozład e wysęue częso w zagadieiach rozładu czasu między zgłoszeiami awariami lub czasu oczeiwaia a obsługę w sysemach oleowych. Gęsość rozładu wyładiczego o aramerze a > ma osać ae f x dysrybuaą ego rozładu es fuca uzasadieie: F'x fx e F x ax ax x > x x > x Przyład Obliczymy E E xae ax ax ax dx xe e a a Własość. Jeśli liczba zgłoszeń w sysemie oleowym w rzedziale czasu, T ma rozład Poissoa o aramerze T, oraz liczby zgłoszeń rzychodzące w rozłączych rzedziałach czasu są iezależe o czas między oleymi zgłoszeiami ma rozład wyładiczy o aramerze a /. Dla dowolych, T > mamy P T P T własość brau amięci Uzasadieie. P T P T P T P P e e T a a e Ta P T 9

10 .Kowalsi Sysemy Obsługi Jes o edyy rozład ciągły o e własości. Dysreym odowiediiem rozładu wyładiczego es rozład geomeryczy. Rozład ormaly Dla m R, σ, Oreślamy gęsość rozładu xm f x e σ σ π x R W ablicy II dla x [; 5 odao warości dysrybuay Φ rozładu N, Warości dysrybuay dla argumeów uemych wyzaczamy a odsawie zależości Φ x Φx Uwaga Jeśli ma rozład Nm, σ o zmiea losowa Y m/σ ma rozład N, aie rzeszałceie azywamy sadaryzacą. Przyład Dochód miesięczy zł w ewe oulaci osób ma rozład ormaly N6; 3. Jai roce osób w e oulaci ma dochód miesięczy oiże zł? wysoość miesięczego dochodu 6 6 P < P < P Y 3 3 Φ Φ,977,8,8% <

11 .Kowalsi Sysemy Obsługi Ierreaca graficza wyiu. Przyład Czas wyoaia ewego dealu mi. es zmieą losową o rozładzie ormalym Nm; σ. Wiadomo, że 8% roboiów wyoue e deal dłuże iż miu a 6% roboiów dłuże iż miu. a wyzacz aramery rozładu czasu wyoaia dealu m i σ, b ai odsee roboiów wyoue e deal w czasie rószym iż 6 miu? czas wyoaia dealu. m P >,8 sąd, 84 σ m P >,6 sąd, 5 σ Rozwiązuąc owyższy uład rówań orzymamy m,85; σ 3,39.,85 6,85 < 6 <, 3,39 3,39 P P P Y < Φ, Φ,,7,7% Prawo rzech sigm Jeśli ma rozład Nm, σ o P m σ < < m σ,683,

12 .Kowalsi Sysemy Obsługi P m σ < < m σ,955, P m 3σ < < m 3σ,997 Osaia rówość świadczy o ym, że chociaż rozład ormaly ma gęsość różą od zera a całe rose o rayczie iemal wszysie realizace suiaą się w rzedziale m 3σ, m 3σ własość ą azywamy rawem rzech sigm. m m 3σ m 3σ Ierreaca graficza aramerów rozładu Nm, σ

13 .Kowalsi Sysemy Obsługi 3

14 .Kowalsi Sysemy Obsługi Rozłady soowe. PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA - ZESTAWIENIE NAZWA ROZKłADU Rozład edosay dysrey c, - całowie; > Rozład zeroedyowy, Rozład dwumiaowy,, N FUNKCJA ROZKŁADU PRAWDOPODOBIEŃSTWA WŁASNOŚCI P c, c, c,..., c - gdy o rozład edouowy ic e ϕ i e i e P q P ; q - ϕ q i e P q q -,,,..., - liczba sucesów w róbach B. arz rzybliżeie Poissoa ϕ i q e WART. OCZEKIWANA WARIANCJA INNE PARAMETRY E c - /; D - / a,8 -,4/ - E ; D q q a 3 q q E ; D q q a q 6 q 3 q 4

15 .Kowalsi Sysemy Obsługi Rozład geomeryczy, Rozład Poissoa > P q q -,,,... - liczba rób B. orzedzaących ierwszy suces P ϕ i qe e ablica I!,,,... dla > 9 rozład Poissoa moża rzybliżać rozładem N,, zachodzi wedy,5, 5 P Φ Φ gdzie Φ - dysrybuaa rozładu N, ϕ e i e Przybliżeie Poissoa - duże, - małe q e! E q/; D q/ q a q m q E ; D a m, , 4 3 5

16 .Kowalsi Sysemy Obsługi Rozłady ciągłe. NAZWA ROZKŁADU Rozład edosay a, b R a < b Rozład ormaly m R, σ, GĘSTOŚĆ WŁASNOŚCI f x b a x a ; b x a; b ib ia e e ϕ i b a x m σ f x e x R σ π fuca gęsości ma uy rzegięcia x m ±σ W ablicy II dla x [; 5 odao warości dysrybuay Φ rozładu N, Φ-x - Φx - Nm, σ Y - m/σ - N, sadaryzaca ϕ im e σ WART. OCZEKIWANA WARIANCJA INNE PARAMETRY E ab/ D b-a / a,8 x,5 ab/ d - ie isiee E m; D σ a 3 x,5 m d m m σ m m m σ gdy iearzyse!! gdy arzyse 6

17 .Kowalsi Sysemy Obsługi Rozład wyładiczy a, Rozład gamma,, ax ae x > f x x szczególy rzyade rozładu gamma a ϕ a i x x e f x x > Γ x dla es o rozład wyładiczy o aramerze a / ϕ i E /a; D /a a 9 x,5 l/a,693/a d! m a! a! E ; D a 6 3 d -, m... 7

18 .Kowalsi Sysemy Obsługi Rozład Pareo, x, Rozład Erlaga a, m N /x x f x x x fx x x > x x x m a m ax x e x > f x m! x szczególy rzyade rozładu gamma Dla m es o rozład wyładiczy. Uwaga. Suma m iezależych zmieych losowych o rozładzie wyładiczym z aramerem a ma rozład Erlaga. a ϕ a i m E x D dla > dla > x a 3 dla > dla > 4 / d, x x x,5 m x dla > E m/a; D m/a 6 a 3 m m d m - /a m m... m m a 8

19 .Kowalsi Sysemy Obsługi y y e Rozład chi wadra y > f y N Y... Γ y,..., - iezależe, o rozładzie N, Rozład Sudea N W ablicy III dla,,..., 3; P Y dla > 3 ~ N ; T Y ϕ i Γ f R ` Γ Γ Y, Y - iezależe o rozładzie N, ; Y o rozładzie chi wadra z soiami swobody Uwaga. T W ablicy IV P T N, E ; D a 8 3 x,5 -,67 d -, m E ; dla > D /- dla > a dla > 3 6 3, dla > 4 4 x,5 dla > d, dla > m dla iearzysych m dla arzysych / 9

20 .Kowalsi Sysemy Obsługi Rozład F Sedecora N ; > Γ Γ Γ x x x x x f, Y Y F ; ; Y Y - iezal. o rozł. chi wadra W ablicy V: F ; P Uwaga., ~ ; N F dla 3 ; > Y F rozład ma, E dla > D 4 dla > 4 Uwaga. Γ - fuca Eulera, Γ dx e x x. Γ -!; Π Γ / ; Π Γ!!.

21 .Kowalsi Sysemy Obsługi Zadaia. Zadaie Czas bezawarye racy urządzeia es zmieą losową o gęsości a wyzaczyć dysrybuaę, e f x x dla x dla x < rozład wyładiczy b obliczyć P,5 < <, i zierreować a wyresie gęsości i dysrybuay, Zadaie Czas bezawarye racy urządzeia es zmieą losową o gęsości e f x x dla x dla x < obliczyć E, D. rozład wyładiczy Zadaie 3 Próbuemy iezależie 5 razy ołączyć się z serwerem oczy eleroicze. Prawdoodobieńswo ołączeia w ede róbie wyosi,8. liczba ołączeń. Wyzaczyć rawdoodobieńswo, że z serwerem ołączymy się: a 4 razy, b awyże 3 razy, c co amie 3 razy, d co amie razy i ie więce iż 4 razy, od. a,496; b,67; c,94;,6656. Zadaie 4 Srawdzić, że dla rozładu dwumiaowego zachodzi asęuący wzór reurecyy: P P q Zadaie 5 Zmiea losowa ma rozład Poissoa o warości oczeiwae rówe,5. Obliczyć:

22 a P b P > 3.Kowalsi Sysemy Obsługi od. a,3; b,7 Zadaie 6 Prawdoodobieńswo wygraia agrody a loerii wyosi,3. Korzysaąc z rzybliżeia Poissoa wyzaczyć rawdoodobieńswo, że wśród 5 osób graących a e loerii: a żada ie wygra, b wygraą osoby, c wygra awyże 5 osób, d wygraą co amie 3 osoby, e wygra,6% graących, f wygra,%,4% graących, od. a,3; b,5; c,9955; d,9; e,55 f,5857 Zadaie 7 Zmiea losowa ma rozład wyładiczy o aramerze. Poazać, że zmiea losowa c ma rozład wyładiczy o aramerze /c. Zadaie 8 Czas w miuach między oleymi wyadami drogowymi w Polsce ma rozład wyładiczy o aramerze. Ile wyosi średi czas między oleymi wyadami? Jaie es rawdoodobieńswo, że awyże w ciągu rzech miu asąi oley wyade. od. E,5, P < 3 - e -6 Zadaie 9 Zmiea losowa ma rozład N;. Obliczyć: a P >,5, b P,5 < < c P <,, d P >, Orzymae wyii zierreować a wyresie gęsości.

23 Zadaie Zmiea losowa ma rozład N ; 3. Obliczyć: a P >, b P < 5, c P 5 < < Orzymae wyii zierreować a wyresie gęsości..kowalsi Sysemy Obsługi od. a,668; b,538; c,76986; d,455 Zadaie Zmiea losowa ma rozład N,5; 3. Obliczyć: a P <,5, b P >,5, c P,5 < < d P - <, e P >,5, Orzymae wyii zierreować a wyresie gęsości. od. a,693; b,75; c,476, d,, e,88 Zadaie Wzros ludzi w ewe oulaci ma rozład N7,. Wyzaczyć roce osób w e oulaci: a maących wzros oiże 65 cm, b maących wzros owyże 7 cm, c maących wzros owyże 8 cm, d maących wzros owyże 9 cm, e maących wzros owyże cm, f maących wzros omiędzy 65 a 7 cm, Orzymae wyii zierreować a wyresie gęsości. od. a 3%; b 5%; c 6%; d %; e,%; f 9% 3

24 .Kowalsi Sysemy Obsługi Zadaie 3 Dochód ewe gruy racowiów ma rozład ormaly o warości oczeiwae zł i odchyleiu sadardowym zł. Obliczyć rawdoodobieńswo, że wśród wylosowaych racowiów z e gruy ie będzie ai edego o dochodzie owyże zł. od. ooło,7 Zadaie 4 Według roducea masymaly rzebieg silia bez remou es zmieą losową o rozładzie N3, 4. Jaie es rawdoodobieńswo, że sili zaewi rzebieg owyże 35 m? od. ooło,56 Zadaie 5 Relama cuierów TIK-TAK zaewia, że maą oe ylo alorie. Ja duże owio być odchyleie sadardowe rozładu aloryczości ych cuierów aby szasa rafieia a cuiere zawieraący co amie 3 alorie była miesza iż, rzymuemy rozład ormaly N, σ? od. σ <,49, S, P Proces sochasyczy Ω - usaloa rzesrzeń robabilisycza. T R, rzedział sończoy lub iesończoy, lub odzbiór dysrey. Def. Fucę : T Ω R azywamy rocesem sochasyczym eśli { ω :, ω < x} S T x R czyli dla ażdego usaloego fuca rozważaa ao fuca argumeu ω es zmieą losową. Naczęście w zasosowaiach ierreuemy ao czas. 4

25 ω ω Sosuemy zais,.kowalsi Sysemy Obsługi Przyład. Amliuda aięcia geerowaego rzez rądicę rądu zmieego zależy od czyiów losowych i może być zaisaa ao roces ω - sała oreślaąca częsoliwość, A - zmiea losowa o rozładzie. N3, 5, - czas, R. Asi ω Realizace rocesu N. dla warości arameru orzymuemy zmieą losową o rozładzie edouowym o warości zerowe, dla warości π 3π arameru orzymuemy zmieą losową π A o rozładzie N3, 5, dla warości arameru orzymuemy zmieą ω ω losową A. 3π ω ω Dla usaloego ω Ω i dowolego T rzymuemy x, ω 5

26 .Kowalsi Sysemy Obsługi Fuca x oreśloa a T ie ma charaeru losowego, azywamy ą realizacą rocesu sochasyczego wyraża ewolucę w czasie wybraego zdarzeia losowego. Warości rocesu azywamy saami. Zbiór wszysich saów azywamy rzesrzeią saów. Przyładowe rodzae rocesów Say Czas Przyład azwa rocesu C C a wyże, lub roces Gaussa, CC C D - wymiarowy rozład ormaly, CD D C roces Poissoa, DC D D łańcuchy Marowa. DD Przyład. czas uzysaia ołączeia z oreśloą sroą iereową, eśli oleceie ołączeia zosało wydae a rzeglądarce w chwili. Jes o roces yu CC. Przyład. {,,,..., 7} czas efeywe racy modemu daego omuera w oszczególe di oreego ygodia. Jes o roces yu CD. Przyład. liczba uczesiów forum dysusyego a oreśloe sroie iereowe, zalogowaych w chwili. Jes o roces yu DC. Przyład. {,,,..., } liczba zalogowań omuerów do daego serwera w oszczególe di oreego rou. Jes o roces yu DD. Paramery rocesu sochasyczego. 6

27 Warość oczeiwaa rocesu..kowalsi Sysemy Obsługi m E Wariaca rocesu. V D σ E Odchyleie sadardowe rocesu o ierwiase z wariaci rocesu. Auoowariaca m m m K, E Auoowariaca uormowaa wsółczyi auoorelaci rocesu Auoorelaca K, ρ, V V K D R,, D E Własości: V D σ K, K, R, m m 3 K, V V D D 4 V D σ E E 7

28 .Kowalsi Sysemy Obsługi Uwaga.. Z owyższych własości wyia, że rayczie wysarczy wyliczyć m i R, a ozosałe aramery uzysamy a ich odsawie.. Przy obliczaiu m i R, rzydae bywaą asęuące zależości zae z rachuu rawdoodobieńswa D E, bo D E E E EY Cov, Y EEY bo Cov, Y EY EEY Cov, Y Cov, Y ρddy bo ρ DDY Przyład. Obliczymy aramery rocesu A, R. A - zmiea losowa soowa o fuci rawdoodobieńswa -,5,5 Rozwiązaie. Zauważmy, ze rozaryway roces ma ylo dwie realizace: arabolę y i arabolę Warość oczeiwaa wyosi m E,5,5 y. Auoorelaca wyosi Auoowariaca wyosi R, E E A A D A EA, R, E A m K m Wariaca wyosi 8

29 .Kowalsi Sysemy Obsługi 4 V Zauważmy, że dla warości arameru orzymuemy zmieą losową o rozładzie edouowym i wedy wariaca rocesu es zerowa. Wraz z bezwzględym wzrosem wariaca gwałowie rośie. Wsółczyi auoorelaci rocesu wyosi K, ρ, 4 4 V V Ozacza o, że zmiee losowe worzące roces są w ełi sorelowae, z. zmiea losowa es fuca liiową od. Mamy, gdzie. Przyład. Obliczymy aramery rocesu A B, R A, B - zmiee losowe o aramerach EA ; EB, i D A, D B ; cova, B -. Rozwiązaie. Warość oczeiwaa wyosi E E A B EA EB Auoorelaca wyosi Auoowariaca wyosi R E m, E E A B A B A AB B E A E AB E B D A EA cov A, B EAEB D B EB 3 9

30 .Kowalsi Sysemy Obsługi m K, R, m Wariaca wyosi V Zauważmy, że wariaca ego rocesu es ie miesza iż dla dowolego. Wsółczyi auoorelaci rocesu wyosi ρ, K V, V Proces sochasyczy azywamy rocesem o rzyrosach iezależych, eśli dla dowolego auralego, dowolych < <... < zmiee losowe są iezależe. Przyład: roces Poissoa.,,..., Proces sochasyczy o rzyrosach iezależych azywamy edorodym, eśli dla dowolego ieuemego,, ω i dla dowolych < rozład różicy zmieych losowych zależy ylo od różicy - ie zależy od. Przyład: roces Poissoa. Zadaie. Zadaia 3

31 Wyzaczyć aramery rocesu D B 3. Zadaie. Wyzaczyć aramery rocesu,4 K.,4,5.Kowalsi Sysemy Obsługi A Be, gdzie A, B o iesorelowae zmiee losowe o aramerach: EA ; EB -3, D A, A B, gdzie A, B o zmiee losowe o aramerach: EA ; EB, i macierzy owariaci Zadaie 3. Wyzaczyć aramery rocesu A, gdzie A es zmieą losową o rozładzie edosaym w rzedziale,. Ja wyglądaą realizace ego rocesu? Kóre z oiższych fuci są realizacami ego rocesu? x,3 ; x,3 ; x. 3 Zadaie 4. Wyzaczyć aramery rocesu A 3, gdzie A es zmieą losową o rozładzie N3,. Ja wyglądaą realizace ego rocesu? Zadaie 5. Proces ma ylo 3 realizace: x ; x ; x 3. Realizace e są rzymowae odowiedio z rawdoodobieńswami: /, /3; /6. Wyzaczyć aramery ego rocesu. Zadaie 6. Proces ma ylo 4 realizace: x ; x ; x 3 ; x 4. Realizaca osaia es rzymowaa z rawdoodobieńswem,, a ozosałe realizace są rzymowae z aim samym rawdoodobieńswem. Wyzaczyć aramery ego rocesu. Zadaie 7. Wyzaczyć aramery rocesu cova, B -. Zadaie 8. Wyzaczyć aramery rocesu,5. Ae Be, gdzie A, B o zmiee losowe o aramerach: EA ; EB, i D A, D B ; A B, gdzie A, B o zmiee losowe o aramerach: EA -; EB, i D A, D B 4; ρ AB - 3

32 .Kowalsi Sysemy Obsługi Zadaie 9. Wyzaczyć aramery rocesu A B, gdzie A, B o zmiee losowe iesorelowae. A ma rozład wyładiczy z aramerem,5, B es zmieą losową soową o fuci rawdoodobieńswa: PB -,5; PB,5; Łańcuchy Marowa Przyład. Symerycze błądzeie rzyadowe. Jao zbiór saów rozaruemy zbiór liczb całowiych. Kolee eay błądzeia będziemy umerować ao chwile czasu,,,.... Załóżmy, że w chwili roces es w saie. Nasęie w oleych eaach z rawdoodobieńswem ½ rzechodzimy do sau o umerze wyższym lub z rawdoodobieńswem q ½ rzechodzimy do sau o umerze iższym możemy sobie wyobrazić, że rzucamy moeą symeryczą i orzeł owodue rzesuięcie w rawo, a resza w lewo. Na wyresie możliwe do osiągięcia say w oszczególych eaach możemy rzedsawić asęuąco zauważmy, że w arzysych umerach eaów moża być ylo w saach o umerach arzysych. 5 Nr eau 4 3 say

33 .Kowalsi Sysemy Obsługi 33 Jeśli Z i o iezależe zmiee losowe o rozładzie dwuuowym i i Z P Z P o rozaryway roces sochasyczy możemy zaisać asęuąco > Z, Zauważmy, że eśli o ewe liczbie eaów chcemy oreślić rawdoodobieńswo zalezieia się w saie, w eaie asęym, o rawdoodobieńswo o zależy ylo od ego gdzie eseśmy o eaach a ie zależy od ego w aich saach byliśmy wcześie, z.,...,, i P i i P Uzasadieie Poieważ Z więc ciąg ma rzyrosy iezależe, oraz Z es iezależy od m, m <. Mamy,...,,,...,,,...,, i Z P i i i Z P i i Z P i i P Rówież i Z P i Z P i P i P Przyładowe realizace ego rocesu moża rzedsawić asęuąco r eau 3 say

34 .Kowalsi Sysemy Obsługi say r eau Moża eż rozarywać bardzie ogóle błądzeie rzyadowe gdy zmiee Z i o iezależe zmiee losowe o dowolym rozładzie dwuuowym P Z >, P Z q > i Powyższy roces moża eż rzedsawić w osaci grafu... q i [ ] q [ ] q [ ] q [ ] q [ ] q amięaąc o saie z órego rozoczyamy błądzeie. Łańcuchy Marowa o rocesy dysree w czasie i o dysreym zbiorze saów, "bez amięci". Zwyle będziemy załadać, że zbiór saów o odzbiór zbioru liczb całowiych Z lub zbioru {,,,...} { S,,...} S., S Łańcuchem Marowa azywamy roces będący ciągiem zmieych losowych,,... Oreśloych a wsóle rzesrzei robabilisycze, rzymuących warości całowie i sełiaące warue P i, i,..., i P i i,..., i, {,,,... } ao uroszczeie zaisu Zaem dla łańcucha Marowa rozład rawdoodobieńswa waruowego ołożeia w -ym rou zależy ylo od rawdoodobieńswa waruowego ołożeia w rou orzedim a ie od wcześieszych uów raeorii hisoria.

35 Niech P i i.kowalsi Sysemy Obsługi ozacza rawdoodobieńswo waruowe rześcia w -ym rou ze sau i do sau. Jeśli i ie zależą od o łańcuch azywamy edorodym edorodym w czasie i sosuemy zais i. Załadaąc, że umery saów są całowie, ieueme moża rawdoodobieńswa rześć zaisać w macierzy P W ierwszym wierszu mamy oleo rawdoodobieńswo ozosaia w saie w -ym rou i rawdoodobieńswa rześcia w -ym rou ze sau o umerze do saów o umerach,, id. Aalogiczie oreśloe są ozosałe wiersze. Dla łańcuchów edorodych owyższą macierz ozaczamy P i ma oa osać P Własości macierzy rawdoodobieńsw rześć: a b suma ażdego wiersza es rówa. Zauważmy eż, że w macierzy e ie może isieć oluma złożoa z samych zer. Każdą macierz sełiaącą warui a, b azywamy macierzą sochasyczą. Uwaga. i Macierz sochasycza i rozład zmiee losowe oreślaą ewie łańcuch Marowa. Własości macierzy sochasyczych są zaem ściśle związae z własościami łańcuchów Marowa. Łańcuchy Marowa edorode. 35

36 .Kowalsi Sysemy Obsługi Będziemy dale rzymować aczęście, że rozarywae łańcuchy Marowa maą sończoa liczbę saów. i - rawdoodobieńswo zalezieia się w saie i o roach rozład zmiee losowe. Prawdoodobieńswa e saowią sładowe weora. i - rawdoodobieńswo zalezieia się w saie i w chwili ocząowe rozład zmiee losowe - rozład ocząowy. Prawdoodobieńswa e saowią sładowe weora. Przyład. Błądzeie rzyadowe z odbiciem. N. gdy say i 4 są odbiaące Przyład. [ ] q [ ] q [ ] q [ 3] [ 4] q P q q Narysu graf łańcucha Marowa odowiadaący macierzy rawdoodobieńsw rześć / P / / Przyład. / 3 / / / 6 Zaisz macierz P dla łańcuch a Marowa rzedsawioego grafem 4 [ ] [ ] 3/ [ ] [ 3] / / 4 / 4/ 5 [ 4] /5 36

37 Ozaczeia..Kowalsi Sysemy Obsługi i - rawdoodobieńswo rześcia od sau i do sau w edym dowolym rou, i - rawdoodobieńswo rześcia od sau i do sau w roach, P [ i ]- macierz rawdoodobieńsw rześć w edym rou, es o macierz sochasycza. P P [ i ] - macierz rawdoodobieńsw rześć od sau i do sau w roach, Rówaie Chamaa, - Kołmogorowa: l l i m i m m Własość: Zaąc rozład ocząowy i macierz P możemy wyzaczyć rozład zmiee losowe czyli rawdoodobieńswo zalezieia się w oszczególych saach o roach:,,...,,...p. czyli op Mamy eż własość: m mp Przyład.,5,5 Rozarzmy łańcuch Marowa o macierzy P,5,75 i rozładzie ocząowym,,.,5,5 Po ierwszym rou rawdoodobieńswa zalezieia się w oszczególych saach są rówe 37

38 .Kowalsi Sysemy Obsługi,5,5 P [,,],5,75 [,5;;,5],5,5 Po drugim rou rawdoodobieńswa zalezieia się w oszczególych saach są rówe P,5 [,,],375,5,5,438,5 Po rzecim rou rawdoodobieńswa zalezieia się w oszczególych saach są rówe 3 P 3,375 [,,],8,438,88,3,344,5,88 [,5;,5;,5],65,438,56 [,375;,88;,438],9 Obliczaąc olee oęgi macierzy P możemy wyliczoe warości zesawić dla,..., w asęuące abeli i rzedsawić a wyresie. ro Sa Sa Sa,5,5,5,5,5 3,375,88,438 4,46,66,38 5,367,3,4 6,385,59,356 7,37,43,386 8,379,54,367 9,373,47,38,376,5,37,374,49,377,376,5,374 38

39 .Kowalsi Sysemy Obsługi rawdoodobieńswo sa sa sa,6,5,4,3,, roi Zauważmy, że rozarywae rawdoodobieńswa sabilizuą się a oreśloym oziomie i dążą do ewych graic, co związae es z regularości rozarywae macierzy sochasycze. Ja oażemy wróce, isieą sosoby wyzaczaia ych graiczych rawdoodobieńsw bez obliczaia oęg macierzy P. Zobaczmy eraz a zmieia się rawdoodobieńswo zalezieia się w usaloym saie w oszczególych roach, gdy zmieia się rozład ocząowy. Rozarzmy sa i rozłady ocząowe,,,,,,,,. 39

40 .Kowalsi Sysemy Obsługi, 6, 5 rawdoodobieńswo, 4, 3,, r o i Obliczoe rawdoodobieńswa w odoby sosób a wyże zesawioo w abeli i rzedsawioo a wyresie dla,...,. \ ro ,,,5,5,375,46,367,385,37,379,373,376,374,376,,,375,8,398,346,388,364,38,37,378,373,376,,,5,5,438,38,4,356,386,367,38,37,377,374 Zauważmy, że rozarywae rawdoodobieńswo dla dużych ie zależy od rozładu ocząowego. Graicę Π lim o ile isiee azywamy rozładem graiczym łańcuch Marowa. Π Π,,... Π., Π Łańcuch Marowa dla órego isiee rozład graiczy iezależy od rozładu ocząowego azywamy łańcuchem ergodyczym. Uwaga. 4

41 .Kowalsi Sysemy Obsługi Jeśli ewa oęga macierzy rześcia P ma co amie edą olumę złożoą wyłączie z wyrazów dodaich o rozaryway łańcuch es ergodyczy o dodaich rawdoodobieńswach graiczych. Sosoby wyzaczaia rozładu graiczego: Sosób I. Rozład graiczy Π es edyym iezerowym rozwiązaiem uładu Uwaga. Z owyższe rówości wyia, że ΠP Π. P T - I Π T, sełiaącym warue Π i i, Przyład. Wyzaczyć rozład ergodyczy łańcucha Marowa o macierzy,3,5, P,6,4,4,6 Zauważmy, że w osaie olumie macierz P ma ylo warości dodaie. Należy rozwiązać rówaie edorode,7,6,5,,4 Π,4 Π,4 Π Jes o uład ieozaczoy z edym aramerem. Przymimy. Π, wedy Π 8/4, Π 4/4. Dzieląc e rozwiązaia rzez ich sumę orzymamy rozwiązaie uormowae 4

42 Π [6/3, 7/3, /3]. Sosób II..Kowalsi Sysemy Obsługi Π gdzie A o doełieia algebraicze macierzy I - P wyzaczi macierzy orzymae rzez sreśleie -ego wiersza i -e olumy. Przyład. Wyzaczyć drugim sosobem rozład ergodyczy łańcucha z orzediego rzyładu. 4 A A Zadaia. Zadaie. Wyzaczyć aramery rocesu symeryczego błądzeia rzyadowego. Zadaie. Narysu graf łańcucha Marowa - błądzeie rzyadowe z odbiciem. Przymi liczbę saów rówą 6. Zaisz macierz rawdoodobieńsw rześć ego łańcucha. Zadaie 3. Narysować graf łańcucha: Czy odowiedi łańcuch Marowa es ergodyczy.,3 P,6 Zadaie 4. Narysować graf łańcucha: a P b P Czy odowiedi łańcuch Marowa es ergodyczy. Srawdzić, czy dla ego łańcucha isiee rozład graiczy. Zadaie 5. Wyzaczyć olee oęgi macierzy,5 P,5,5,4,,4,6 Czy odowiedi łańcuch Marowa es ergodyczy. Narysować graf ego łańcucha.

43 .Kowalsi Sysemy Obsługi Porówać wiersze macierzy P i sładowe weora rozładu graiczego. Od.. 6,67875,385 P Π [/3, /3],6565,34375 Zadaie 6. Łańcuch Marowa ma dwa say i rozład graiczy [, q]. Wyzaczyć macierz P ego łańcucha. Od. a P a a a, a - ieuemy aramer. Zadaie 7. Rozład ocząowy łańcucha Marowa oreśloego macierzą rawdoodobieńsw rześć wyraża się weorem a,,, b,5; ;,5,,3 P,6,5,4,,4,6 Wyzaczyć rawdoodobieńswa zalezieia się w oszczególych saach ego łańcucha o dwóch eaach, rzech eaach. Zadaie 8. Rozład ocząowy łańcucha Marowa oreśloego macierzą rawdoodobieńsw rześć wyraża się weorem,,. P,5,5,5,5,5,5,5,5 43

44 .Kowalsi Sysemy Obsługi 44 Wyzaczyć rawdoodobieńswa zalezieia się w oszczególych saach ego łańcucha o oleych eaach. Czy łańcuch e ma oreśloe rawdoodobieńswa graicze? Zadaie 9. Wyzaczyć rozłady graicze łańcuchów wyzaczoych rzez macierze a P b P Narysu odowiedie grafy. Wyzacz graicze warości oczeiwae i graicze wariace. Od. a [6/7, 7/7, /7, /7] b [/, 3/, 5/, /, /] Zadaie. Poda rzyład łańcucha, órego rozłady graicze zależą od rozładu ocząowego. Zadaie. Wyzaczyć rozład graiczy łańcucha wyzaczoego rzez macierz,5,5,75,5,5,5 P Narysu odowiedi graf. Łańcuch sacoary. Jedorody łańcuch Marowa es sacoary gdy isiee rozład Π ego saów, zway rozładem sacoarym, że ΠP Π z. Π es weorem własym macierzy P dla warości włase. Zaem dla dowolego, ΠP Π, ozacza o, że eśli rozład ocząowy es rówy Π, o rozład łańcucha o dowole liczbie roów es ai sam i rówy Π.

45 .Kowalsi Sysemy Obsługi Jeśli macierz P łańcucha es ierozładala o rozład sacoary es doładie ede. Jeśli macierz P łańcucha es rozładala o rozładów sacoarych es więce iż ede. W łańcuchu ergodyczym rozład sacoary graiczy ie zależy od rozładu ocząowego. Uwaga. Odwroa imliaca ie musi zachodzić. ergodyczy sacoary Wiose. Isieie rozładu sacoarego ie imliue, że łańcuch es ergodyczy. Każdy łańcuch o sończoe liczbie saów es sacoary. Przyład. Rozarzmy łańcuch o macierzy P rówe,5,5,5,5 Łańcuch e ie es ergodyczy. Zauważmy, że rozłady /, /,, ;,, /, /; /4, /4, /4, /4 są sacoare rozładów sacoarych może być więce iż ede bo rozarywaa macierz es rozładala. Przyład. Rozarzmy łańcuch o macierzy P rówe / P / / 3 / / / 3 / 3 45

46 Say i są isoe. Sa 3 es ieisoy..kowalsi Sysemy Obsługi Przyład. Rozarzmy łańcuch o macierzy P rówe, P,5,3,5,9,7,46,45,9 Zauważmy, że P,35,45,,5,5,8 Wyzacz rozład sacoary ego łańcucha. Czy es o łańcuch ergodyczy? Czy orzymay rozład sacoary es rozładem graiczym? Przyład. Rozarzmy łańcuch o macierzy P rówe Wszysie say są oresowe maą ores. Wyzacz rozład sacoary ego łańcucha. Przyład. Rozarzmy łańcuch o macierzy P rówe /8 / 4 7 / 8 3/ 4,5,5,5,5 Wyzacz graf ego łańcucha. Czy łańcuch e ma say oresowe? Czy wszysie say są oresowe?. / / 4 / 3/ 4 46

47 Srawdź, że.kowalsi Sysemy Obsługi lim P ie isiee i żada oluma P ie słada się wyłączie z elemeów dodaich. Przyład. Rzucamy symeryczą czworościeą osą a ściaach liczby,, 3, 4. Rozaruemy łańcuch Marowa oreśloy ao ciąg masymalych wyiów sośród rzuów,,3,...,. Srawdź, że łańcuch e ma macierz P rówą,5,5,5,5,5,5,5,75,5 Wyzacz graf ego łańcucha. Czy łańcuch e ma say oresowe? Przyład. Gracze A i B rozoczyaą grę z aiałem zł ażdy. W ażde arii gracz A wygrywa z rawdoodobieńswem,6, gracz B wygrywa z rawdoodobieńswem,4. Po ażde arii rzegrywaący łaci wygrywaącemu zł. a aie es rawdoodobieńswo, że gra zaończy się o ariach? b aie es rawdoodobieńswo, że o 4 ariach aiał ażdego gracza wyiesie zł? c Ile wyosi warość oczeiwaa aiału gracza A o ariach? Przymimy, że say rocesu o aiał w osiadaiu gracza A czyli {,,, 3, 4}. Macierz P ma osać,4,6,4,6,4,6 Say i są ochłaiaące osiągięcie óregoś z ych saów ozacza barucwo edego z graczy. Do aie lasy ależą ozosałe say? Narysu odowiedi graf. Rozład ocząowy [,,,, ]. Ad. a P [,6;,,48,,,36], zaem rawdoodobieńswo zaończeia gry o ariach wyosi 4,6,36,5. Ad. b 4 P 4 [,368;,,34,,,538, zaem rawdoodobieńswo, że ażdy z graczy ma o zł o 4 ariach wyosi 4,34. Ad. c a odsawie [,6;,,48,,,36], obliczamy warość oczeiwaą aiału gracza A o ariach:,48 zł,36 4zł,4zł. Zaem gdyby gracze wieloroie rozegrali o arie maąc ocząowo o zł, o rzecięa wygraa gracza A wyosiłaby 4 gr. 47

48 Przyład. Jeśli ciąg zmieych losowych es łańcuchem Marowa o macierzy P, o ciąg zmieych losowych.kowalsi Sysemy Obsługi,,, 3,...,, 4,... es łańcuchem Marowa o macierzy P. Wsazówa. Należy sorzysać z rówości Chamaa-Kołmogorowa. Zadaie. Uzasadi własość: Jeśli łańcuch ma dwa róże rozłady sacoare o ie może być łańcuchem ergodyczym. Dysree rocesy Marowa. Rozaruemy roces sochasyczy, w órym aramer es ciągły zwyle. Będziemy załadać, że zbiór saów es co awyże rzeliczaly. Proces, es rocesem Marowa, eśli dla dowolego, dla dowolych chwil czasu < <...<, oraz dowolych saów x, y, x,..., x sełioa es zależość: P { y x, x x } P{ y x},..., Proces Marowa es edorody w czasie, eżeli dla dowolych saów x, y oraz chwil czasu < mamy P y x x, y, { } co ozacza, że rawdoodobieńswo rześcia ze sau x do sau y w czasie od momeu do momeu zależy ylo od różicy -, a ie zależy od momeu wyściowego. Przymimy ozaczeie P{ i}, gdzie -, >. Niech P [ i ] macierz rawdoodobieńsw rześcia i,,,..., N dla sończoe liczby saów. i 48

49 Jes o macierz sochasycza. Zależość azywamy rówaiem Chamaa - Kołmogorowa. Wyia z ie, że.kowalsi Sysemy Obsługi P N N 49 N N NN s s i P s P s P P P s Załadamy, że fuce i są ciągłe w ucie. dla i lim i dla i Wedy są ciągłe w dowolym iym ucie. ii ' Isiee eż chociaż może być iesończoa graica lim ii i ' oraz sończoa graica lim i Dla wygody rzymiemy ozaczeia dla i ' ii i i dla i Wielości e azywamy iesywościami rześcia ze sau i do sau gdy i, oraz iesywościami wyścia ze sau i do ozosałych saów gdy i. i ' Poieważ lim i i, o i dla i są gęsościami rawdoodobieńswa rześcia ze sau i do sau, oraz dla małych mamy, i co ozacza, że dla małych rawdoodobieńswo rześcia ze sau i do sau es roorcoale do, wsółczyiiem roorcoalości es iesywość i. i i

50 .Kowalsi Sysemy Obsługi Jeśli oreślimy macierz Λ o elemeach rówym iesywościom i,,,..., N dla sończoe liczby saów ii i dla i dla i Λ N N N N NN macierz iesywości, o możemy owyższe ułady rówań zaisać w osaci macierzowe: d * P' P Λ czyli P P Λ d oraz d ** P' Λ P czyli P ΛP d W zasosowaiach częście sosue się rówaie roseywe. Ozaczaąc i P{ i} mamy roseywego i o zróżiczowaiu względem czasu orzymamy iy zais rówaia i i i d ***,,... d 5

51 .Kowalsi Sysemy Obsługi 5 Przymuąc [,,...] weor rozładu rocesu w momecie i macierz Λ o elemeach rówym iesywościom i dla i dla i ii macierz iesywości możemy owyższy uład rówań zaisać w osaci weorowe: ' Λ czyli Λ d d Rozwiązaie ego rówaia ma osać e Λ Przyład. Narysować graf i wyzaczyć rówaia roseywe Kołmogorowa rocesu Marowa o macierzy iesywości: Λ [ ] [ ] [ ] d d d d d d 3

52 .Kowalsi Sysemy Obsługi Macierzą iesywości azywamy ażdą macierz Λ aą, że: a elemey ozadiagoale są ieueme, b elemey diagoale są iedodaie, c suma elemeów w ażdym wierszu wyosi. Uwaga. Niech - rawdoodobieńswo, że w chwili roces zadzie się w saie. Wedy N i i i Niech,,..., N Wedy P Rozład graiczy, ergodyczość dla rocesów Marowa. Π lim Twierdzeie. Jeśli sończoa macierz iesywości Λ ma oza rzeąą ylo dodaie elemey o roces e es ergodyczy i ma dodaie rawdoodobieńswa graicze. Dwa sosoby wyzaczaia rozładu graiczego oreślaą asęuące wierdzeia: Twierdzeie. Rozład graiczy Π es iezerowym rozwiązaiem uładu ΠΛ sełiaącym warue uormowaia suma sładowych zero. 5

53 Rówaie ΠΛ wyia z rówaia różiczowego ego ochoda o es rówa zero. d d.kowalsi Sysemy Obsługi Λ, bowiem eśli isiee rozład graiczy o ie zależy o od zaem Twierdzeie. Rozład graiczy Π moża wyzaczyć za omocą doełień algebraiczych M elemeów z rzeąe macierzy -Λ: Przyład. Narysować graf i wyzaczyć rozład graiczy rocesu Marowa o macierzy iesywości: Π M M 5 Λ [ ] [ ] [ ] 3 4 od. [4/49; 4/49; /49] Przyład. Narysować graf i wyzaczyć rozład graiczy rocesu Marowa o macierzy iesywości: 53

54 .Kowalsi Sysemy Obsługi 6 4 Λ Przymuąc, że roces ma say,, ; obliczyć graiczą warość oczeiwaą. Czy es o roces ergodyczy? Przyład. Przymuąc, że roces ma say,,, 3; arysować graf i wyzaczyć rozład graiczy rocesu Marowa o macierzy iesywości: Λ Wyisać rówaia Kołmogorowa ego rocesu. Obliczyć graiczą warość oczeiwaą. Od. [5/37; 7/37; 8/37; /37],. Przyład. Proces Marowa es oreśloy grafem [ ] [ ] [ ] Wyzaczyć ego macierz iesywości i rówaia Kołmogorowa. Wyzaczyć rozład graiczy. 4 Przyład. Proces Marowa es oreśloy grafem [ ] [ ] [ ] [ 3] 4 3 Wyzaczyć ego macierz iesywości i rówaia Kołmogorowa. Wyzaczyć rozład graiczy ego rocesu. Obliczyć graiczą warość oczeiwaą. Od. [,4;,4;,7;,3], o.,75. 54

55 Przyład. Srawdź, że eśli roces Marowa ma macierz iesywości:.kowalsi Sysemy Obsługi gdzie a, b, a b > o ego macierz rawdoodobieńsw rześć es rówa a Λ b a b P ab ab b ae a ae ab a b a b b be a be Wyzaczyć weor dla rozładu ocząowego,. Wyzaczyć rozład graiczy. Proces Poissoa. Proces {N, } azywamy rocesem zliczaącym eśli N ozacza całowią liczbę badaych zdarzeń zaobserwowaych do chwili. Proces zliczaący musi sełiać warui: N, N rzymue ylo całowie własości, 3 Jeśli s < o Ns N, 4 Dla s < N - Ns es rówe liczbie zdarzeń zaobserwowaych w rzedziale s, ], Proces zliczaący es rocesem o rzyrosach iezależych eśli rozłady liczby zdarzeń obserwowaych w rozłączych rzedziałach czasu są iezależe,. N ie zależy od N s - N. Uwaga. Każdy roces o rzyrosach iezależych es rocesem Marowa. Proces zliczaący es rocesem edorodym w czasie gdy rozład liczby zaobserwowaych zdarzeń w rzedziale czasu zależy ylo od długości ego rzedziału,. N s - N s ma ai sam rozład a N - N. 55

56 .Kowalsi Sysemy Obsługi 56 Proces Poissoa es edorodym rocesem Marowa o rzyrosach iezależych o rozładzie. P e P P τ τ!,,... - iesywość rocesu, > aramery rocesu Poissoa: m, mi,, K, <, dla dla ρ Uzasadieie. Poieważ e P! o!! e e P E m e e e e e e e P E!!!!!!! Zaem E E D Z edorodości rocesu dla < mamy, zaem sąd i z iezależości orzymamy

57 .Kowalsi Sysemy Obsługi 57 [ ], E E E E E E E R, R ogólie <, R dla dla Sąd dla dla dla dla mi,, m m R, K < < oraz < < D D, K, dla dla dla dla ρ Zauważmy, że, są zawsze dodaio sorelowae i siła zależości między imi zaczie sada gdy eda z chwil es wieloroie więsza od drugie. Przyłady zawis modelowaych rocesem Poissoa. - liczba wyemiowaych cząse rzez ciało romieiowórcze w ewym rzedziale czasu, - liczba awarii sysemu omuiacyego romieiowórcze w ewym rzedziale czasu, - liczba zgłoszeń do oralu iereowego w ewym rzedziale czasu, Uwaga.

58 .Kowalsi Sysemy Obsługi 58 Fuca f ma własość oh eśli lim h h f h. Ia rówoważa defiica rocesu Poissoa. Proces zliczaący es rocesem Poissoa o iesywości > gdy: a, b es sacoary i ma rzyrosy iezależe, c } { o P, d } { o P Graf rocesu Poissoa es asęuący [ ] [ ] [ ] [ ] [ ] [ ] Macierz iesywości rocesu Poissoa ma osać Λ Przymuąc,,... weor rozładu rocesu w momecie, o rówaie Kołmogorowa ' Λ zaisuemy o wsółrzędych w osaci Przymuemy rozład ocząowy,,,... Rozwiązaiem ego uładu es e! czyli

59 .Kowalsi Sysemy Obsługi e, e, e,..., e,...!!! zauważmy, że suma elemeów ego weora wyosi ede. Zaem edowymiarowy rozład ego rocesu z. rozład w dowole usaloe chwili es wyzaczoy rzez rozład Poissoa. Problem. T - czas ierwszego zgłoszeia, T - czas między - a -ym zgłoszeiem, Wyzaczyć rozład ych zmieych losowych. Rozwiązaie. {T > } ozacza zdarzeie, że ie było zgłoszeia w [, ], P T > P e zaem P T < e F dysrybuaa rozładu wyładiczego. Nasęie zauważmy, że z iezależości wyia P T > T s P bra zgł oszeń w s, s ] T s P bra zg oszeń w s, s ] { } { } e ł Zaem T eż ma rozład wyładiczy i es iezależy od T. Id. Wiose. Odsęy czasu między oleymi zmiaami saów w edorodym rocesie Poissoa są iezależymi zmieymi losowymi o ym samym rozładzie wyładiczym: Paramery ego rozładu o ET, D T. P T e < Twierdzeie. Suma sończoe liczby iezależych rocesów Poissoa es rocesem Poissoa, órego aramer es sumą aramerów oszczególych rocesów. Przyładowa realizaca rocesu Poissoa dla 4. czas sa 59 dla dla >,,,,8 -,4,9,33,8,48,4 3,36,93

60 .Kowalsi Sysemy Obsługi,76 4,9 4,77,3 5,38 6,63,9 6,9 7,46,45 7 3,39 8,,6 8 3,9 8,97,64 9 4, 9,3,77 4,43 9,76,47 6,74 3,3,85 8,3 4,79 3, 3 8,59 5,54 3,7 4 8,78 5,79 3,6 5,63 8, 3,8 6,3 9, 3,88 7,59 9,47 4, 8,99 9,99 4,7 9,6,33 5,6 6, 5, 5,88 8,67 8,37 5,96 8,96 8,73 6, 3 9,6 8,97 6,39 4,5 3,6 6,94 5,5 33,3 7,8 6 3,7 34,5 7,4 7 4,8 35,7 7,45 8 4,35 35,7 7,59 9 4,85 35,87 8, 3 6,74 38,3 6

61 .Kowalsi Sysemy Obsługi say Realizaca rocesu Poissoa 4 warości rocesu średia - odch.s. sredia odch. s.,,5,,5,,5 3, 3,5 4, 4,5 5, 5,5 6, 6,5 7, 7,5 8, 8,5 9, czas 6

62 .Kowalsi Sysemy Obsługi Uwaga. P i τ τ i P τ i P i i e i! i dla < i, e e z. P [ i ] e Przyład. Srawdzić, że dla rocesu Poissoa zachodzi: τ i e! e e dla i, P Przyład. Srumień zgłoszeń do sysemu eleomuiacyego es rocesem Poissoa. Wiadomo, że iesywość ego rocesu wyosi 3 zgł/mi. a obliczyć rawdoodobieńswo wysąieia co awyże edego zgłoszeia w ciągu 3 seud, b obliczyć rawdoodobieńswo wysąieia rzech zgłoszeń w ciągu 3 seud, c obliczyć rawdoodobieńswo, że czas między oleymi zgłoszeiami będzie więszy iż seud, d ile seud wyosi średi czas oczeiwaia a ierwsze zgłoszeie? Rozwiązaie. Ad. a 3 seud o,5 miuy, zaem odczyuąc z ablicy rozłdu Poissoa dla,5 mamy. P P,3,335, 558 P, 5, 5, 5 P, 5 3, 6 Ad. b aalogiczie Ad. c T czas między zgłoszeiami. Jes o zmiea losowa o rozładzie wyładiczym. Poieważ seud o, miuy dla,6 mamy. -,6 P T, e,5488 odczy z ablicy dla,,6. Ad. d ET / /3 se. 6

63 .Kowalsi Sysemy Obsługi Przyład. Srumień awarii ewego sysemu es modeloway rocesem Poissoa. Wiadomo, że rzecięie eda awaria zdarza się raz a 5 godzi zaem iesywość ego rocesu wyosi, awarii/godz.. a obliczyć rawdoodobieńswo wysąieia co awyże ede awarii w ciągu godzi, b obliczyć rawdoodobieńswo wysąieia co amie dwóch awarii w ciągu godzi, c obliczyć rawdoodobieńswo bezawarye racy w ciągu godzi, d obliczyć rawdoodobieńswo, że czas między oleymi awariami będzie więszy iż godzi, e obliczyć warość oczeiwaą bezawaryego czasu racy ego sysemu. Przyład. Wyzaczyć aramery i arysować rzyładowa realizace rocesu Z gdzie es edorodym rocesem Poissoa o iesywości. Przyład. Srawdź, że macierz rawdoodobieńsw rześcia rocesu rzełączaia między saami {-, } geerowaego rocesem Poissoa, z. rocesu Z Z, gdzie es edorodym rocesem Poissoa o iesywości ma osać e e P e e Wsazówa.,,,, e e! l.iearzysa,.,, 63

64 .Kowalsi Sysemy Obsługi 64 Proces urodzeń i śmierci. i - iesywości urodzeń, i,,... - iesywości śmierci,,,... [ ] [ ] [ ]... 3 i - rawdoodobieńswo rześcia ze sau i do sau o czasie, i maą własości: i,i- i o, i,i i o, i,i - i i o, i,i o, dla i - > i sełiaą uład rówań Kołmogorowa: *,,, d d i i i i i warui ocząowe i,i, i, dla i. Dale rozaruemy roces urodzeń i śmierci ze sończoą liczbą saów,,..., N. [ ] [ ] [ ] [ ] N N N 3... Niech P [ i ] sochasycza macierz rześcia i,,,..., N. Proces urodzeń i śmierci es edorodym rocesem Marowa. Dla rocesu urodzeń i śmierci macierz iesywości ma osać: [ ] Λ N N N N N N i

65 .Kowalsi Sysemy Obsługi 65 uład rówań Kołmogorowa moża zaisać w osaci macierzowe: Λ P P d d Rozwiązaie ego rówaia ma osać e P P Λ gdzie... 3!! 3 3 Λ Λ Λ Λ I e Przymuąc,,..., N weor rozładu rocesu w momecie, o rówaie Kołmogorowa ' Λ zaisuemy o wsółrzędych w osaci 3 3 N N N N N Przymuemy rozład ocząowy,,,... Uład rówań Kołmogorowa: Λ d d ma rozwiązaie osaci e Λ gdzie... 3!! 3 3 Λ Λ Λ Λ I e

66 .Kowalsi Sysemy Obsługi 66 Uwaga. Proces urodzeń i śmierci ma dla iesywości dodaich rozład graiczy osaci: Π Π i i i ` i,,..., N gdzie Π N i i i Zauważmy, że sładowe weora rozładu graiczego maą sumę rówą. Dowód. Zasosuemy sosób ierwszy. Rozarzmy rówaie ΠΛ [ ] Π Π Π N N N N N N N czyli uład rówań Π Π Π Π Π Π Π Π Π Π 3 3 N N N N Jeśli rzyąć, że z Π Π ; z Π Π ; id. o

67 .Kowalsi Sysemy Obsługi z z z z3 z z N sąd z i i rzymuąc Π ao aramer mamy z waruów uormowaia oszuiwae wzory. Uwaga. Jeśli roces urodzeń i śmierci ma rzeliczalą liczbę saów, o rozład graiczy es osaci gdzie Π załadamy, że szereg i Przyład.... i... i i i Π... i es zbieży.... Niech i, i i, i,,..., gdzie >, daa sała. Zbada isieie w ym rzyadu rawdoodobieńsw graiczych. Przyład roces urodzeń. i - iesywości urodzeń, i,,... Dla rocesu urodzeń macierz iesywości ma osać: i... i Π ` i,, i [ ] 3 [ ] [ ] [ 3]... 67

68 .Kowalsi Sysemy Obsługi 68 [ ] Λ i Przymuemy, że,,... weor rozładu rocesu w momecie, oraz ocząowy,,,... Srawdź, że rówaie Kołmogorowa ' Λ ma dla ego rocesu osać Przyład. W załadzie racuą maszyy, z órych ażda sue się iezależie od ozosałych z iesywością 3 maszyy/godz. Maszyy e są arawiae rzez roboiów. Niech ozacza liczbę zesuych maszy w chwili. Rozarzmy asęuące rzyadi: są 3 maszyy i roboi racuący z iesywością maszya/godz. są 3 maszyy i roboiów racuących bez wsółracy z iesywością maszya/godz. ażdy. 3 są 4 maszyy i roboiów racuących bez wsółracy z iesywością maszya/godz. ażdy. 4 są 3 maszyy i 3 roboiów racuących z ełą wsółracą z iesywością maszya/godz. ażdy. 5 są 3 maszyy i roboiów racuących z ełą wsółracą z iesywością maszya/godz. ażdy. 6 są 3 maszyy i roboiów racuących z ograiczoą wsółracą z iesywością maszya/godz. ażdy gdy racuą osobo i z iesywością,5maszyy/godz. gdy racuą razem. W ażdym rzyadu: a arysować graf, b wyzaczyć rawdoodobieńswa graicze, c obliczyć rawdoodobieńswo graicze, że żade roboi ie racue, d obliczyć rawdoodobieńswo graicze, że rzyamie eda maszya es srawa, e obliczyć rawdoodobieńswo graicze, że rzyamie eda maszya czea a arawę, f obliczyć średia liczbę zesuych maszy, g obliczyć średia liczbę zaęych roboiów. Ad., [,9;,64;,348;,53]; Ezm,38; Ezr,86. Ad. 4, [/6; 3/6; 6/6; 6/6]; Ezm,6; Ezr,8.

69 .Kowalsi Sysemy Obsługi SMO Sysemy masowe obsługi zasosowaie rocesu urodzeń i śmierci - rzyłady: - cerala elefoicza, - saca bezyowa, - asa bileowa, - sysem iformayczy. Założeia: - liczba saowis obsługi, m - liczba miesc w oczeali. - srumień zgłoszeń es rocesem Poissoa z aramerem >, - czas obsługi ma rozład wyładiczy z aramerem > iesywość obsługi, - saowisa działaą iezależie, - zgłoszeia óre asąią gdy wszysie saowisa obsługi są zaęe rzechodzą do oczeali eśli es, - eśli wszysie saowisa obsługi są zaęe i wszysie miesca w oczeali są zaęe o zgłoszeie ouszcza SMO. - roces sochasyczy ozaczaący liczbę lieów w SMO w chwili, P, Naczęście ieresuą as rawdoodobieńswa graicze C SMO ze sraami bez oczeali, bez wsółracy. < <, m iesywość zgłoszeń, i iesywość obsługi - ego saowisa,,,,... es rozładem ego rocesu w chwili Π, C Π,..., C Π [ ] [ ] [ ] 3... [ ] [ ] Prawdoodobieńswa graicze wzory Erlaga:,... 69

70 .Kowalsi Sysemy Obsługi 7 3 3!!!... 3!! Π C gdzie!! C C C Π `,,...,. Wzory e wyiaą bezośredio ze wzorów a rozład graiczy dla rocesu urodzeń i śmierci bowiem:!... 3!! C czyiów Π Zauważmy, że C 3 3!!!... 3!!! i możąc liczi oraz miaowi rzez e widzimy, że oszczególe sładii są rówe fuci rawdoodobieńswa rozładu Poissoa z aramerem

71 .Kowalsi Sysemy Obsługi 7 P P e e e e e e e e C 3 3!!!... 3!!!,,,...,. zaem możemy wyzaczać warości C za omocą ablic rozładu Poissoa P P P es fucą rawdoodobieńswa rozładu Poissoa z aramerem. Uwaga Jeśli dysouemy sumulowaym RPS i iesumulowaym RPN rozładem Poissoa. fuca ECEA o RPS RPN C. Prawdoodobieńswo odmowy P odm C. Prawdoodobieńswo obsługi P obsł - C. Średia graicza liczba zaęych saowis obsługi.... C C... C obsł i i i i zs P C C C C C C i C C C E m...!!! lim

72 Jeśli o W ym rzyadu Przyład. C C m C C C P. zs.kowalsi Sysemy Obsługi C `. odm Uwaga Rozaruemy SMO ze sraami, bez wsółracy, 5, wyzaczymy rawdoodobieńswa graicze dla różych warości zależość rawdoodobieńswa odmowy obsługi i średie liczby zaęych saowis od. i zbadamy W oszczególych olumach wisae są rawdoodobieńswa graicze dla warości odae w agłówu olumy. Pod abelą odao średie liczby zaęych saowis. alfa,5,,5, ,953,9484,6654,368,43,376,5435,94,33,68,4756,948,337,368,3369,753,634,5469,3,677,9,45,758,845,54,753,4457,3674,749,3384 3,,5,64,635,67,8349,4457,789,7335,79 4,,,58,534,478,974,834,8487,3337,898 5,,,6,37,48,367,5,8487,447,56395 m zs,5,,4999,9969,4787,966,6698 3, ,696 4,36 Dla ięciu wybraych warości rozłady graicze zilusrowao graficzie. 7

73 .Kowalsi Sysemy Obsługi rawdoodobieńswa graicze,,8,6,4,, z ależ ość raw doodobieńsw graicz ych od alfa 5 alfa,5 alfa,5 alfa,5 alfa3 alfa say Zauważmy, że wraz ze wzrosem alfy rośie rawdoodobieńswo, że zaęa będzie więsza liczba saowis. Na drugim wyresie rzedsawioo zależość rawdoodobieńswa odmowy obsługi C 5 od alfa. Wzros iesywości zgłoszeń w sosuu do iesywości obsługi z. wzros owodue wzros rawdoodobieńswa odmowy obsługi.,6 zależość -sw a odmow y od alfa 5 rawdoodobieńswo odmowy,5,4,3,,, alfa 73

74 .Kowalsi Sysemy Obsługi Na rzecim wyresie rzedsawioo zależość średie liczby zaęych saowis m zs od alfa. Wzros owodue wzros średie liczby zaęych saowis. średia liczba zaęych saowis 5 4,5 4 3,5 3,5,5,5 zależość średie liczby zaęych saowis od alfa alfa SMO ze sraami bez oczeali, z ełą wsółracą. < <, m iesywość obsługi - ego saowisa, [ ] [ ] [ ]... [ ] [ ] Prawdoodobieńswa graicze: 74

75 C β β... β β β gdzie β Prawdoodobieńswo odmowy obsługi o P odm C. C.Kowalsi Sysemy Obsługi gdy gdy β β β SMO z ograiczoymi sraami, bez wsółracy. m > saowisa obsługi oczealia C `,,..., [ ] [ ]... [ ] [... ] [ m ] [ m] Prawdoodobieńswa graicze: m β β β C......!!!! gdzie, β zaem 75

76 .Kowalsi Sysemy Obsługi 76!!!! β β β β β gdy m gdy C m! C C `,,..., C C β `,,..., m Uwaga. dla,,,...,!!! β β β β β β β β gdy m P P P gdy P P P e e e C m m zaem do obliczeń moża wyorzysać ablice rozładu Poissoa.

77 SMO z ograiczoymi sraami, z ełą wsółracą..kowalsi Sysemy Obsługi m > saowisa obsługi oczealia [ ] [ ]... [ ] [... ] [ m ] [ m] Prawdoodobieńswa graicze: C β β... β m m β β m gdy β gdy β gdzie β C β C `,,..., m Prawdoodobieńswo odmowy obsługi P odm C m. SMO bez sra iesończeie wiele saowis, bez wsółracy. 77

78 .Kowalsi Sysemy Obsługi, i iesywość zgłoszeń, iesywość obsługi - ego saowisa, Prawdoodobieńswa graicze: [ ] [ ]... [ ] [ ]... C e! gdzie C C C `!!,,...,,... Uwaga. C e P `!,,,...,,... zaem do obliczeń moża wyorzysać ablice rozładu Poissoa. Uwaga. Te y SMO ie może być rozaryway z ełą wsółracą obsługi. SMO bez sra iesończeie długa olea, bez wsółracy. m saowisa obsługi oczealia [ ] [ ]... [ ] [... ] [ m]... Prawdoodobieńswa graicze: załadamy, że β C β!! β < warue isieia rawdoodobieńsw graiczych zaem 78

79 .Kowalsi Sysemy Obsługi 79! C C `,,..., C C β `,,... Uwaga. dla,,,..., β β β β!!! P P P e e e C Uwaga. Podobie dla β < moża rozarywać rzyade SMO z iesończoą oczealią i ełą wsółracą saowis. Wedy... β β β C ; C C β `,,... SMO bez sra zgłoszeia iecierliwe, bez wsółracy. m T czas oczeiwaia w olece, > < gdy gdy e T P ν ν - iesywość iecierliwości, saowisa obsługi oczealia [ ] [ ] [ ] [ ] [ ] m m ν ν

80 .Kowalsi Sysemy Obsługi 8 Prawdoodobieńswa graicze: !! ν ν ν ν ν m C m załadamy, że owyższy szereg es zbieży. Zaem! C C `,,...,! C C ν ν C C... `,,...

81 .Kowalsi Sysemy Obsługi Charaerysyi SMO. m l - średia liczba lieów w SMO s. obsł. lub oczealia, m - średia długość olei, m zs - średia liczba zaęych saowis, SMO z ograiczoymi sraami, bez wsółracy. Y - liczba zaęych saowis obsługi, Y... - C C... C - C C... C m Z - liczba zaęych miesc w oczeali, Z... m C... C m C i i m zs EY - C m P obsł m EZ C C m m m β β m β mβ m dla dla β β 8

82 - liczba zgłoszeń w SMO, Y Z,.Kowalsi Sysemy Obsługi Zaem m l E EY EZ m zs m Wiose. Jeśli m bra oczeali o Wiose. Jeśli m o C m gdy m EZ, E EY - C oraz EZ C β EY β sys - średi czas rzebywaia w SMO, ol - średi czas rzebywaia w olece, Niech m wedy β < sys m l / ol m / Z - czas oczeiwaia zgłoszeia w olece. PZ z C e β > z β dla dla z < z 8

83 Prioryey obsługi: FIFO firs i firs of, SIRO selecio i radom order, IFO las i firs ou. Rozaryway rzez as riorye o FIFO. Klasyfiaca Kedalla: - rozład czasu między oleymi zgłoszeiami, - rozład czasu obsługi edego zgłoszeia, - liczba saowis obsługi, N - liczebość obsługiwae oulaci, m - liczba miesc w oczeali. Dla rozładów, rzyęo m i. ozaczeia: D - rozład deermiisyczy rówe odsęy czasu, M - rozład wyładiczy, G - dowoly rozład,.kowalsi Sysemy Obsługi Klasyfiaca olee. / / : N, m, Rozaryway rzez as marowsie SMO ma ozaczeie M/M/ :, m Przyład. Rozaruemy SMO ze sraami, bez wsółracy, zgł./h; 4 zgł./h /,5. Wyzacz miimalą liczbę saowis obsługi a aby P odm <,5. Sosób I. Rozaruemy a rzyład. C! 8 Należy zaem zwięszyć. Rozaruemy C! 3! 8 48 C C! C C! 83 3 >,5

SMO. Procesy stochastyczne WYKŁAD 6

SMO. Procesy stochastyczne WYKŁAD 6 Procesy stochastycze WYKŁAD 6 SMO Systemy masowe obsługi (zastosowaie procesu urodzeń i śmierci) - przyłady: - cetrala telefoicza, - staca bezyowa, - asa biletowa, - system omputerowy. Założeia: - liczba

Bardziej szczegółowo

4. MODELE ZALEŻNE OD ZDARZEŃ

4. MODELE ZALEŻNE OD ZDARZEŃ 4. MODELE ZALEŻNE OD ZDARZEŃ 4.. Wrowadzeie W sysemach zależych od zdarzeń wyzwalaie określoego zachowaia się układu jes iicjowae rzez dyskree zdarzeia. Modelowaie akich syuacji ma a celu symulacyją aalizę

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5.

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

Bardziej szczegółowo

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40.

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40. Portfele polis Poieważ składka jest ustalaa jako wartość oczekiwaa rzeczywistego, losowego kosztu ubezpieczeia, więc jest tym bliższa średiej wydatków im większa jest liczba ubezpieczoych Polisy grupuje

Bardziej szczegółowo

Funkcja generująca rozkład (p-two)

Funkcja generująca rozkład (p-two) Fucja geerująca rozład (p-wo Defiicja: Fucją geerującą rozład (prawdopodobieńswo (FGP dla zmieej losowej przyjmującej warości całowie ieujeme, azywamy: [ ] g E P Twierdzeie: (o jedozaczości Jeśli i są

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

ZADANIA - ZESTAW 2. Zadanie 2.1. Wyznaczyć m (n)

ZADANIA - ZESTAW 2. Zadanie 2.1. Wyznaczyć m (n) ZADANIA - ZESTAW Zadaie.. Wyzaczyć m (), D ( ) dla procesu symetryczego (p = q =,) błądzeia przypadkowego. Zadaie.. Narysuj graf łańcucha Markowa symetrycze (p = q =,) błądzeie przypadkowe z odbiciem.

Bardziej szczegółowo

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne Wykład 4 Niezależość zmieych, fukcje i charakterystyki wektora losowego, cetrale twierdzeia graicze Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam

Bardziej szczegółowo

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

Bardziej szczegółowo

MACIERZE STOCHASTYCZNE

MACIERZE STOCHASTYCZNE MACIERZE STOCHASTYCZNE p ij - prawdopodobieństwo przejścia od stau i do stau j w jedym (dowolym) kroku, [p ij ]- macierz prawdopodobieństw przejść (w jedym kroku), Własości macierzy prawdopodobieństw przejść:

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

Twierdzenia graniczne:

Twierdzenia graniczne: Twierdzeia graicze: Tw. ierówośd Markowa Jeżeli P(X > 0) = 1 oraz EX 0: P X k 1 k EX. Tw. ierówośd Czebyszewa Jeżeli EX = m i 0 < σ = D X 0: P( X m tσ) 1 t. 1. Z partii towaru o wadliwości

Bardziej szczegółowo

Wykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego.

Wykład 8: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkładu dwumianowego. Rachue rawdoodobieństwa MAP064 Wydział Eletroii, ro aad. 008/09, sem. leti Wyładowca: dr hab. A. Jurlewicz Wyład 8: Zmiee losowe dysrete. Rozłady Beroulliego (dwumiaowy), Pascala, Poissoa. Przybliżeie

Bardziej szczegółowo

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3 L.Kowalski zadaia ze statystyki matematyczej-zestaw 3 ZADANIA - ZESTAW 3 Zadaie 3. Cecha X populacji ma rozkład N m,. Z populacji tej pobrao próbę 7 elemetową i otrzymao wyiki x7 = 9, 3, s7 =, 5 a Na poziomie

Bardziej szczegółowo

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy Wyład 7 Przestrzeie metrycze zwarte Defiicja 8 (przestrzei zwartej i zbioru zwartego Przestrzeń metryczą ( ρ X azywamy zwartą jeśli ażdy ciąg elemetów tej przestrzei posiada podciąg zbieży (do putu tej

Bardziej szczegółowo

1 Układy równań liniowych

1 Układy równań liniowych Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa) Rozład ormaly (Gaussa) Wyprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowych. Rozważmy pomiar wielości m, tóry jest zaburzay przez losowych efetów o wielości e ażdy, zarówo zaiżających ja i

Bardziej szczegółowo

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 + Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

0.1 ROZKŁADY WYBRANYCH STATYSTYK

0.1 ROZKŁADY WYBRANYCH STATYSTYK 0.1. ROZKŁADY WYBRANYCH STATYSTYK 1 0.1 ROZKŁADY WYBRANYCH STATYSTYK Zadaia 0.1.1. Niech X 1,..., X będą iezależymi zmieymi losowymi o tym samym rozkładzie. Obliczyć ES 2 oraz D 2 ( 1 i=1 X 2 i ). 0.1.2.

Bardziej szczegółowo

Kongruencje Wykład 4. Kongruencje kwadratowe symbole Legendre a i Jac

Kongruencje Wykład 4. Kongruencje kwadratowe symbole Legendre a i Jac Kogruecje kwadratowe symbole Legedre a i Jacobiego Kogruecje Wykład 4 Defiicja 1 Kogruecję w ostaci x a (mod m), gdzie a m, azywamy kogruecją kwadratową; jej bardziej ogóla ostać ax + bx + c może zostać

Bardziej szczegółowo

( n) Łańcuchy Markowa X 0, X 1,...

( n) Łańcuchy Markowa X 0, X 1,... Łańcuchy Markowa Łańcuchy Markowa to rocesy dyskretne w czasie i o dyskretnym zbiorze stanów, "bez amięci". Zwykle będziemy zakładać, że zbiór stanów to odzbiór zbioru liczb całkowitych Z lub zbioru {,,,...}

Bardziej szczegółowo

Wyższe momenty zmiennej losowej

Wyższe momenty zmiennej losowej Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h( dla dysretej zm. losowej oraz ucji h( dla ciągłej zm. losowej: m E P m E ( d Deiicja: Mometem cetralym µ rzędu dla

Bardziej szczegółowo

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 8. ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE 1 Zbieżość ciągu zmieych losowych z prawdopodobieństwem 1 (prawie apewo) Ciąg zmieych losowych (X ) jest

Bardziej szczegółowo

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka Wyższe momety zmieej losowej Deiicja: Mometem m rzędu azywamy wartość oczeiwaą ucji h() dla dysretej zm. losowej oraz ucji h() dla ciągłej zm. losowej: m E P m E ( ) d Deiicja: Mometem cetralym µ rzędu

Bardziej szczegółowo

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe Metody probabilistycze i statystyka Wykład 1 Zdarzeia losowe, defiicja prawdopodobieństwa, zmiee losowe Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

UKŁADY RÓWNAŃ LINOWYCH

UKŁADY RÓWNAŃ LINOWYCH Ekoeergetyka Matematyka. Wykład 4. UKŁADY RÓWNAŃ LINOWYCH Defiicja (Układ rówań liiowych, rozwiązaie układu rówań) Układem m rówań liiowych z iewiadomymi,,,, gdzie m, azywamy układ rówań postaci: a a a

Bardziej szczegółowo

Wzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Wzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Wzór Taylora Szeregi potęgowe Matematyka Studium doktorackie KAE SGH Semestr leti 8/9 R. Łochowski Graica fukcji w pukcie Niech f: R D R, R oraz istieje ciąg puktów D, Fukcja f ma w pukcie graicę dowolego

Bardziej szczegółowo

Lista 6. Estymacja punktowa

Lista 6. Estymacja punktowa Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?

Bardziej szczegółowo

1 Twierdzenia o granicznym przejściu pod znakiem całki

1 Twierdzenia o granicznym przejściu pod znakiem całki 1 Twierdzeia o graiczym przejściu pod zakiem całki Ozaczeia: R + = [0, ) R + = [0, ] (X, M, µ), gdzie M jest σ-ciałem podzbiorów X oraz µ: M R + - zbiór mierzaly, to zaczy M Twierdzeie 1.1. Jeżeli dae

Bardziej szczegółowo

Teoria i metody optymalizacji

Teoria i metody optymalizacji eoria i metody optymalizaci Programowaie liiowe całowitoliczbowe PCL Metodologia podziału i ograiczeń Brach ad Boud (B&B) ma c A Z echique Metodologia podziału i ograiczeń B&B { A b i Z } Podstawą metodologii

Bardziej szczegółowo

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1). TATYTYKA MATEMATYCZNA WYKŁAD 3 RZEDZIAŁY UFNOŚCI Niech θ - iezay parametr rozkład cechy. Niech będzie liczbą z przedział 0,. Jeśli istieją statystyki, U i U ; U U ; których rozkład zależy od θ oraz U θ

Bardziej szczegółowo

Wytrzymałość śruby wysokość nakrętki

Wytrzymałość śruby wysokość nakrętki Wyzymałość śuby wysoość aęi Wpowazeie zej Wie Działająca w śubie siła osiowa jes pzeoszoa pzez zeń i zwoje gwiu. owouje ozciągaie lub ścisaie zeia śuby, zgiaie i ściaie zwojów gwiu oaz wywołuje acisi a

Bardziej szczegółowo

Wykład FIZYKA I. 2. Kinematyka punktu materialnego. Dr hab. inż. Władysław Artur Woźniak

Wykład FIZYKA I. 2. Kinematyka punktu materialnego.  Dr hab. inż. Władysław Artur Woźniak Dr hab. iż. Władysław Arur Woźiak Wykład FIZYKA I. Kiemayka puku maerialego Dr hab. iż. Władysław Arur Woźiak Isyu Fizyki Poliechiki Wrocławskiej hp://www.if.pwr.wroc.pl/~woziak/fizyka1.hml Dr hab. iż.

Bardziej szczegółowo

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2. Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji : m f x = Ax RAAx x Defiicja: Zakresem macierzy A Œ âm azywamy podprzestrzeń

Bardziej szczegółowo

Dyskretny proces Markowa

Dyskretny proces Markowa Procesy sochasyczne WYKŁAD 4 Dyskreny roces Markowa Rozarujemy roces sochasyczny X, w kórym aramer jes ciągły zwykle. Będziemy zakładać, że zbiór sanów jes co najwyżej rzeliczalny. Proces X, jes rocesem

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej

Bardziej szczegółowo

Niezawodność elementu nienaprawialnego. nienaprawialnego. 1. Model niezawodnościowy elementu. 1. Model niezawodnościowy elementu

Niezawodność elementu nienaprawialnego. nienaprawialnego. 1. Model niezawodnościowy elementu. 1. Model niezawodnościowy elementu Niezawodność elemenu nienarawialnego. Model niezawodnościowy elemenu nienarawialnego. Niekóre rozkłady zmiennych losowych sosowane w oisie niezawodności elemenów 3. Funkcyjne i liczbowe charakerysyki niezawodności

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Chemia Teoretyczna I (6).

Chemia Teoretyczna I (6). Chemia Teoretycza I (6). NajwaŜiejsze rówaia róŝiczkowe drugiego rzędu o stałych współczyikach w chemii i fizyce cząstka w jedowymiarowej studi potecjału Cząstka w jedowymiarowej studi potecjału Przez

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji ( ) : m f x = Ax ( A) { Ax x } = Defiicja: Zakresem macierzy A Œ âm azywamy

Bardziej szczegółowo

KOMBINATORYKA. Oznaczenia. } oznacza zbiór o elementach a, a2,..., an. Kolejność wypisania elementów zbioru nie odgrywa roli.

KOMBINATORYKA. Oznaczenia. } oznacza zbiór o elementach a, a2,..., an. Kolejność wypisania elementów zbioru nie odgrywa roli. KOMBINATORYKA Kombiatoryą azywamy dział matematyi zajmujący się zbiorami sończoymi oraz relacjami między imi. Kombiatorya w szczególości zajmuje się wyzaczaiem liczby elemetów zbiorów sończoych utworzoych

Bardziej szczegółowo

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 STATYSTYKA Rafał Kucharski Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 Wybrane litery alfabetu greckiego α alfa β beta Γ γ gamma δ delta ɛ, ε epsilon η eta Θ θ theta

Bardziej szczegółowo

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu.

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu. W 1 Rachu maroeoomcze 1. Produ rajowy bruo Sprzedaż fala - sprzedaż dóbr usług osumeow lub frme, órzy osaecze je zużyują, e poddając dalszemu przeworzeu. Sprzedaż pośreda - sprzedaż dóbr usług zaupoych

Bardziej szczegółowo

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o 1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady

Bardziej szczegółowo

STATYSTYKA I ANALIZA DANYCH

STATYSTYKA I ANALIZA DANYCH TATYTYKA I ANALIZA DANYCH Zad. Z pewej partii włókie weły wylosowao dwie próbki włókie, a w każdej z ich zmierzoo średicę włókie różymi metodami. Otrzymao astępujące wyiki: I próbka: 50; średia średica

Bardziej szczegółowo

Wykład 11. a, b G a b = b a,

Wykład 11. a, b G a b = b a, Wykład 11 Grupy Grupą azywamy strukturę algebraiczą złożoą z iepustego zbioru G i działaia biarego które spełia własości: (i) Działaie jest łącze czyli a b c G a (b c) = (a b) c. (ii) Działaie posiada

Bardziej szczegółowo

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą EKONOMETRIA Tema wykładu: Liiowy model ekoomeryczy (regresji z jedą zmieą objaśiającą Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapaa Tarapaa@isi.wa..wa.edu.pl hp:// zbigiew.arapaa.akcja.pl/p_ekoomeria/

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:

Bardziej szczegółowo

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,

Bardziej szczegółowo

ZALEŻNY ROZKŁAD DWUMIANOWY I JEGO ZASTOSOWANIE W REASEKURACJI I KREDYTACH. 1. Wstęp

ZALEŻNY ROZKŁAD DWUMIANOWY I JEGO ZASTOSOWANIE W REASEKURACJI I KREDYTACH. 1. Wstęp B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 27 Staisław HEILPERN* ZALEŻNY ROZKŁAD DWUMIANOWY I JEGO ZASTOSOWANIE W REASEKURACJI I KREDYTACH Praca est poświęcoa zależemu rozładowi dwumiaowemu.

Bardziej szczegółowo

Kalkulacja rezerw z optymalnym ważeniem informacji o szkodach wypłaconych oraz szkodach zgłoszonych i niewypłaconych

Kalkulacja rezerw z optymalnym ważeniem informacji o szkodach wypłaconych oraz szkodach zgłoszonych i niewypłaconych Kallacja rezerw z oymalym ważeiem iformacji o szodac wyłacoyc oraz szodac złoszoyc i iewyłacoyc ior Krzemińsi Credi Aricole Ubezieczeia a Życie Wojciec Oo Uiwersye Warszawsi Refera rzyooway a Oóloolsą

Bardziej szczegółowo

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i = Zastosowaie symboli Σ i Π do zapisu sum i iloczyów Teoria Niech a, a 2,..., a będą dowolymi liczbami. Sumę a + a 2 +... + a zapisuje się zazwyczaj w postaci (czytaj: suma od k do a k ). Zak Σ to duża grecka

Bardziej szczegółowo

Kurs Prawdopodobieństwo Wzory

Kurs Prawdopodobieństwo Wzory Kurs Prawdoodobieństwo Wzory Elemety kombiatoryki Klasycza deiicja rawdoodobieństwa gdzie: A - liczba zdarzeń srzyjających A - liczba wszystkich zdarzeń P A Tel. 603 088 74 Prawdoodobieństwo deiicja Kołmogorowa

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych Automatya i Robotya Aaliza Wyład dr Adam Ćmiel cmiel@agh.edu.pl Rachue różiczowy fucji wielu zmieych W olejych wyładach uogólimy pojęcia rachuu różiczowego i całowego fucji jedej zmieej a przypade fucji

Bardziej szczegółowo

Wstęp. zbiór wszystkich zdarzeń elementarnych (sample space), S zbiór zdarzeń, (events), P prawdopodobieństwo (probability distribution).

Wstęp. zbiór wszystkich zdarzeń elementarnych (sample space), S zbiór zdarzeń, (events), P prawdopodobieństwo (probability distribution). Wstęp,, S P przestrzeń probabilistycza (Probability space), zbiór wszystich zdarzeń elemetarych (sample space), S zbiór zdarzeń, (evets), P prawdopodobieństwo (probability distributio). P : S R ZMIENNA

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11 RÓWNANIA RÓŻNICZKOWE WYKŁAD Szeregi potęgowe Defiicja Fukcja y = f () jest klasy C jeżeli jest -krotie różiczkowala i jej -ta pochoda jest fukcją ciągłą. Defiicja Fukcja y = f () jest klasy C, jeżeli jest

Bardziej szczegółowo

Teoria Kolejek. dr inż. Piotr Gajowniczek. Instutut Telekomunikacji Politechnika Warszawska

Teoria Kolejek. dr inż. Piotr Gajowniczek. Instutut Telekomunikacji Politechnika Warszawska Teoria Kolejek dr iż. Piotr Gajowiczek Istutut Telekomuikacji Politechika Warszawska WPROWADZENIE Wprowadzeie Systemy masowej obsługi obsługa dużej ilości klietów przez system o ograiczoych zasobach Modele

Bardziej szczegółowo

Model Lesliego. Oznaczmy: 0 m i liczba potomstwa pojawiającego się co jednostkę czasu u osobnika z i-tej grupy wiekowej, i = 1,...

Model Lesliego. Oznaczmy: 0 m i liczba potomstwa pojawiającego się co jednostkę czasu u osobnika z i-tej grupy wiekowej, i = 1,... Model Lesliego Macierze Lesliego i Markowa K. Leśiak Wyodrębiamy w populaci k grup wiekowych. Po każde edostce czasu astępuą arodziy i zgoy oraz starzeie (przechodzeie do astępe grupy wiekowe). Chcemy

Bardziej szczegółowo

npq jest funkcją gęstości zmiennej losowej X? Po wyznaczeniu k proszę znaleźć: dystrybuantę, kwartyl drugi,

npq jest funkcją gęstości zmiennej losowej X? Po wyznaczeniu k proszę znaleźć: dystrybuantę, kwartyl drugi, Zadaie aa jest fucja gęstości zmieej losowej X: 9 8 Wyzacz: F (X ; Q ; ; ( X ; 9 9 P X P Zadaie ( Statystya II, X a b F( b F( a X e! P m ( ; m E( X ( X V ( X X R P ( X R ( X V ( X jest fucją gęstości zmieej

Bardziej szczegółowo

3. Funkcje elementarne

3. Funkcje elementarne 3. Fukcje elemetare Fukcjami elemetarymi będziemy azywać fukcję tożsamościową x x, fukcję wykładiczą, fukcje trygoometrycze oraz wszystkie fukcje, jakie moża otrzymać z wyżej wymieioych drogą astępujących

Bardziej szczegółowo

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Rekursja Materiały pomocicze do wykładu wykładowca: dr Magdalea Kacprzak Rozwiązywaie rówań rekurecyjych Jedorode liiowe rówaia rekurecyje Twierdzeie Niech k będzie ustaloą liczbą aturalą dodatią i iech

Bardziej szczegółowo

L.Kowalski Systemy obsługi SMO

L.Kowalski Systemy obsługi SMO SMO Systy asow obsługi zastosowai procsu urodzń i śirci - przyłady: - ctrala tlfoicza, - staca bzyowa, - asa biltowa, - syst iforatyczy. Założia: - liczba staowis obsługi, - liczba isc w poczali. - struiń

Bardziej szczegółowo

Dwumian Newtona. Agnieszka Dąbrowska i Maciej Nieszporski 8 stycznia 2011

Dwumian Newtona. Agnieszka Dąbrowska i Maciej Nieszporski 8 stycznia 2011 Dwumia Newtoa Agiesza Dąbrowsa i Maciej Nieszporsi 8 styczia Wstęp Wzory srócoego możeia, tóre pozaliśmy w gimazjum (x + y x + y (x + y x + xy + y (x + y 3 x 3 + 3x y + 3xy + y 3 x 3 + y 3 + 3xy(x + y

Bardziej szczegółowo

Materiał ćwiczeniowy z matematyki Marzec 2012

Materiał ćwiczeniowy z matematyki Marzec 2012 Materiał ćwiczeiowy z matematyki Marzec 0 Klucz puktowaia do zadań zamkiętych oraz schemat oceiaia do zadań otwartych POZIOM PODSTAWOWY Marzec 0 Klucz puktowaia do zadań zamkiętych Nr zad 3 5 6 7 8 9 0

Bardziej szczegółowo

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b,

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b, CAŁA RZYWOLINIOWA NIESIEROWANA rzywą o rówaiach parameryczych: = (), y = y(), a < < b, azywamy łukiem regularym (gładkim), gdy spełioe są asępujące waruki: a) fukcje () i y() mają ciągłe pochode, kóre

Bardziej szczegółowo

Katedra Silników Spalinowych i Pojazdów ATH ZAKŁAD TERMODYNAMIKI. Wyznaczanie ciepła właściwego c p dla powietrza

Katedra Silników Spalinowych i Pojazdów ATH ZAKŁAD TERMODYNAMIKI. Wyznaczanie ciepła właściwego c p dla powietrza Katedra Silików Saliowych i Pojazdów ATH ZAKŁAD TERMODYNAMIKI Wyzaczaie cieła właściweo c dla owietrza Wrowadzeie teoretycze Cieło ochłoięte rzez ciało o jedostkowej masie rzy ieskończeie małym rzyroście

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

1. Sygnały i systemy dyskretne (LTI, SLS) (1w=2h)

1. Sygnały i systemy dyskretne (LTI, SLS) (1w=2h) Cyfrowe rzewarzanie sygnałów Jace Rezmer --. Sygnały i sysemy dysrene (LI, SLS (w=h.. Sysemy LI Pojęcie sysemy LI oznacza liniowe sysemy niezmienne w czasie (ang. Linear ime - Invarian. W lieraurze olsiej

Bardziej szczegółowo

Zmiana bazy i macierz przejścia

Zmiana bazy i macierz przejścia Auomaya Roboya Algebra -Wyład - dr Adam Ćmel cmel@agh.edu.pl Zmaa bazy macerz prześca Nech V będze wymarową przesrzeą lową ad całem K. Nech Be e będze bazą przesrze V. Rozważmy ową bazę B e... e. Oczywśce

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0, Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi

Bardziej szczegółowo

Niepewności pomiarowe

Niepewności pomiarowe Niepewości pomiarowe Obserwacja, doświadczeie, pomiar Obserwacja zjawisk fizyczych polega a badaiu ych zjawisk w warukach auralych oraz a aalizie czyików i waruków, od kórych zjawiska e zależą. Waruki

Bardziej szczegółowo

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut

Bardziej szczegółowo

Analiza I.1, zima wzorcowe rozwiązania

Analiza I.1, zima wzorcowe rozwiązania Aaliza I., zima 07 - wzorcowe rozwiązaia Marci Kotowsi 5 listopada 07 Zadaie. Udowodij, że dla ażdego aturalego liczba 7 + dzieli się przez 6. Dowód. Tezę udowodimy za pomocą iducji matematyczej. Najpierw

Bardziej szczegółowo

Wyk lad 8 Zasadnicze twierdzenie algebry. Poj. ecie pierścienia

Wyk lad 8 Zasadnicze twierdzenie algebry. Poj. ecie pierścienia Wy lad 8 Zasadicze twierdzeie algebry. Poj ecie pierścieia 1 Zasadicze twierdzeie algebry i jego dowód Defiicja 8.1. f: C C postaci Wielomiaem o wspó lczyiach zespoloych azywamy fucj e f(x) = a x + a 1

Bardziej szczegółowo

Podstawy rachunku prawdopodobieństwa (przypomnienie)

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

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17 Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo

Bardziej szczegółowo

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu Badaia iezawodościowe i saysycza aaliza ich wyików. Eleme ieaprawialy, badaia iezawodości Model maemayczy elemeu - dodaia zmiea losowa T, określająca czas życia elemeu Opis zmieej losowej - rozkład, lub

Bardziej szczegółowo

TRANZYSTORY POLOWE JFET I MOSFET

TRANZYSTORY POLOWE JFET I MOSFET POLTECHNKA RZEZOWKA Kaedra Podsaw Elekroiki srukcja Nr5 F 00/003 sem. lei TRANZYTORY POLOWE JFET MOFET Cel ćwiczeia: Pomiar podsawowych charakerysyk i wyzaczeie paramerów określających właściwości razysora

Bardziej szczegółowo

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b

Bardziej szczegółowo

Portfel złożony z wielu papierów wartościowych

Portfel złożony z wielu papierów wartościowych Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe

Bardziej szczegółowo

co wskazuje, że ciąg (P n ) jest ciągiem arytmetycznym o różnicy K 0 r. Pierwszy wyraz tego ciągu a więc P 1 z uwagi na wzór (3) ma postać P

co wskazuje, że ciąg (P n ) jest ciągiem arytmetycznym o różnicy K 0 r. Pierwszy wyraz tego ciągu a więc P 1 z uwagi na wzór (3) ma postać P Wiadomości wstępe Odsetki powstają w wyiku odjęcia od kwoty teraźiejszej K kwoty początkowej K, zatem Z = K K. Z ekoomiczego puktu widzeia właściciel kapitału K otrzymuje odsetki jako zapłatę od baku za

Bardziej szczegółowo

DEA podstawowe modele

DEA podstawowe modele Marek Miszczński KBO UŁ 2008 - Aaliza dach graiczch (EA) cz.2 (przkład aaliza damiki rakigi) EA podsawowe modele WPROWAZENIE Efekwość (produkwość) obieku gospodarczego o es defiiowaa ako sosuek sum ważoch

Bardziej szczegółowo

D:\materialy\Matematyka na GISIP I rok DOC\07 Pochodne\8A.DOC 2004-wrz-15, 17: Obliczanie granic funkcji w punkcie przy pomocy wzoru Taylora.

D:\materialy\Matematyka na GISIP I rok DOC\07 Pochodne\8A.DOC 2004-wrz-15, 17: Obliczanie granic funkcji w punkcie przy pomocy wzoru Taylora. D:\maerialy\Maemayka a GISIP I rok DOC\7 Pochode\8ADOC -wrz-5, 7: 89 Obliczaie graic fukcji w pukcie przy pomocy wzoru Taylora Wróćmy do wierdzeia Taylora (wzory (-( Tw Szczególie waża dla dalszych R rozważań

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą

Bardziej szczegółowo

u l. W i d o k 8 t e l. 2 2 6 9 0 6 9 6 9

u l. W i d o k 8 t e l. 2 2 6 9 0 6 9 6 9 T A D E U S Z R O L K E J U T R O B Ę D Z I E L E P I E J T o m o r r o w W i l l B e B e t t e r K a w i a r n i a F a f i k, K r a k ó w, 1 9 9 2 F a f i k C a f e, C r a c o w, 1 9 9 2 W ł a c i c i

Bardziej szczegółowo

t - kwantyl rozkładu t-studenta rzędu p o f stopniach swobody

t - kwantyl rozkładu t-studenta rzędu p o f stopniach swobody ZJAZD ANALIZA DANYCH CIĄGŁYCH ramach zajęć będą badae próbki pochodzące z poplacji w kórych badaa cecha ma rozkład ormaly N(μ σ). Na zajęciach będą: - wyzaczae przedziały fości dla warości średiej i wariacji

Bardziej szczegółowo

, gdzie b 4c 0 oraz n, m ( 2). 2 2 b b b b b c b x bx c x x c x x

, gdzie b 4c 0 oraz n, m ( 2). 2 2 b b b b b c b x bx c x x c x x Meody aeaycze w echologii aeriałów Uwaga: Proszę paięać, że a zajęciach obowiązuje akże zajoość oówioych w aeriałach przykładów!!! CAŁKOWANIE FUNKCJI WYMIERNYCH Fukcją wyierą azyway fukcję posaci P ( )

Bardziej szczegółowo

Ń Ł Ń Ó Ł Ę Ó Ó Ę ĘŚ Ó ÓŚ Ó Ę Ć Ó Ć Ę Ł Ó Ę Ć Ś Ż Ś Ś Ó Ó Ś Ń Ś Ó Ę Ę Ż Ć Ś Ó Ę Ó Ę Ę Ę Ę Ó Ś Ę Ę Ł Ć Ć Ś Ó Ę Ź Ę Ż Ź Ś Ź Ę Ę Ę Ó Ó Ó Ę Ę Ę Ę Ó Ę Ę Ć Ę Ć Ł Ź Ę Ę Ś Ń Ę Ć Ź Ó Ź Ó Ó Ę Ć Ć Ć Ź Ę Ę Ć Ę Ę

Bardziej szczegółowo

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistycza Defiicja Odwzorowaie X: Ω R d azywamy d-wymiarowym wektorem losowym jeśli dla każdego (x 1, x 2,,x d ) є R d zbiór Uwaga {ω є Ω: X(ω)

Bardziej szczegółowo

a 1, a 2, a 3,..., a n,...

a 1, a 2, a 3,..., a n,... III. Ciągi liczbowe. 1. Defiicja ciągu liczbowego. Defiicja 1.1. Ciągiem liczbowym azywamy fukcję a : N R odwzorowującą zbiór liczb aturalych N w zbiór liczb rzeczywistych R i ozaczamy przez { }. Używamy

Bardziej szczegółowo

f '. Funkcja h jest ciągła. Załóżmy, że ciąg (z n ) n 0, z n+1 = h(z n ) jest dobrze określony, tzn. n 0 f ' ( z n

f '. Funkcja h jest ciągła. Załóżmy, że ciąg (z n ) n 0, z n+1 = h(z n ) jest dobrze określony, tzn. n 0 f ' ( z n Metoda Newtoa i rówaie z = 1 Załóżmy, że fucja f :C C ma ciągłą pochodą. Dla (prawie) ażdej liczby zespoloej z 0 tworzymy ciąg (1) (z ) 0, z 1 = z f ( z ), ciąg te f ' (z ) będziemy azywać orbitą liczby

Bardziej szczegółowo

1 Dwuwymiarowa zmienna losowa

1 Dwuwymiarowa zmienna losowa 1 Dwuwymiarowa zmiea loowa 1.1 Dwuwymiarowa zmiea loowa kokowa X = x i, Y = y k = p ik przy czym i, k N oraz p ik = 1; i k p i = X = x i = p ik dla i N; p k = Y = y k = p ik dla k N; k i F 1 x = p i dla

Bardziej szczegółowo

M. Przybycień Rachunek prawdopodobieństwa i statystyka Wykład 7-2

M. Przybycień Rachunek prawdopodobieństwa i statystyka Wykład 7-2 Ważiejsze rozłady -wa Rozłady zmieej losowej dysreej: rozład łasi (jedosajy) rozład dwuuowy (Beroulliego) rozład dwu- i wielomiaowy rozład ujemy dwumiaowy (Pascala) rozład geomeryczy rozład hiergeomeryczy

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są

Bardziej szczegółowo