Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe.

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe."

Transkrypt

1 Rachunek prawdopodobieństwa MAP3040 WPPT FT, rok akad. 2010/11, sem. zimowy Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Warunkowa wartość oczekiwana. Definicja: Warunkowa wartość oczekiwana EY X) zmiennej losowej Y pod warunkiem zmiennej losowej X to nowa zmienna losowa, która jest postaci EY X) = mx) z prawdop. 1 dla borelowskiej funkcji mx) spełniającej warunek dla każdego borelowskiego zbioru B. B mx)df X x) = B R ydf X,Y x, y) Twierdzenie: Jeżeli E Y <, to taka funkcja mx) istnieje, tzn. warunkowa wartość oczekiwana EY X) jest dobrze określona z tw. Radona-Nikodyma. Uwaga: Często podajemy warunkową wartość oczekiwana tylko poprzez wzór na funkcję mx), przy czym zapis ma postać: EY X = x) = mx) Funkcja mx) zwana jest funkcją regresji I rodzaju. Fakt: Jeżeli D 2 X <, D 2 Y <, to min f EY fx)) 2 = EY mx)) 2 dla f - funkcji borelowskich). 1

2 Własności warunkowej wartości oczekiwanej: Przy założeniu, że E Y < a) dla Y = ay 1 + by 2, gdzie a, b R, Y 1, Y 2 to zmienne losowe, EY X) = EaY 1 + by 2 X) = aey 1 X) + bey 2 X) z prawd. 1; b) Jeżeli Y = hx, Y 0 ) dla pewnej borelowskiej funkcji h, to EY X) = Ehx, Y 0 ) X) x=x z prawd. 1; c) Jeżeli zmienne losowe X i Y są niezależne, to EY X) = EY z prawd. 1, tzn. mx) const = EY ; d) EEY X)) = EY własność ta daje użyteczną technikę obliczania wartości oczekiwanej skomplikowanych zmiennych losowych). Przykłady: Niech X i Y będą niezależnymi zmiennymi losowymi, przy czym E Y <. Wtedy 1. EX + Y X) b) = Ex + Y X) x=x c) = Ex + Y ) x=x a) = x + EY ) x=x = X + EY mx) = x + EY ) 2. EXY X) b) = ExY X) x=x a) = xey X) x=x c) = xey ) x=x = XEY mx) = EY x). 2

3 Suma losowa. Niech X 1, X 2,... będzie ciągiem niezależnych zmiennych losowych o jednakowym rozkładzie. Niech N będzie indeksem losowym tzn. zmienną losową dyskretną przyjmującą tylko wartości naturalne 1, 2,...) niezależną od ciągu {X k, k = 1, 2,...}. Sumą losową nazywamy zmienną losową N to losowa ilość składników w sumie.) N S = X k = X 1 + X X N. Załóżmy, że istnieją skończone wartości oczekiwane EX 1 i EN. Korzystając z techniki warunkowej wartości oczekiwanej obliczymy wartość oczekiwaną ES: )) N N n ) ) N ES = EES N)) = E E X k = E E X k = n=n n ) ) ) = E E X k = E nex 1 ) = EN EX 1 ) = EN EX 1. n=n n=n Otrzymaliśmy zatem, że ES = EN EX 1. Załóżmy teraz, że D 2 X 1 < i D 2 N <. Obliczymy wariancję D 2 S: ) N 2 ES 2 = EES 2 N)) = E E N n ) 2 N ) ) X k = E E X k = n=n n ) ) 2 = E E X k = E n=n E n Xk 2 + n n X k X j j=1 = n=n ) j k = E nex1 2 + nn 1)EX 1 ) 2 ) = EN EX NN 1)EX 1 ) 2 ) = n=n = EN EX1 2 EX 1 ) 2 ) + EN 2 EX 1 ) 2 = EN D 2 X 1 + EN 2 EX 1 ) 2. Zatem D 2 S = EN D 2 X 1 + EN 2 EX 1 ) 2 EN EX 1 ) 2 = = EN D 2 X 1 + EN 2 EN) 2 ) EX 1 ) 2 = EN D 2 X 1 + D 2 N EX 1 ) 2. Otrzymaliśmy zatem, że D 2 S = EN D 2 X 1 + D 2 N EX 1 ) 2. 3

4 Możemy też określić rozkład S za pomocą funkcji charakterystycznej ϕ S t). Niech ϕ X t) oznacza funkcję charakterystyczną zmiennych losowych X k, a g N z) - funkcję tworzącą losowego indeksu N. Wtedy ϕ S t) = g N ϕ X t)) Uzasadnienie: ϕ S t) = Ee its = EEe its N)) = E E exp it n ) N ) ) X k = n=n = E E exp it n ) ) ) ) X k = E ϕ X1+...+Xn n=n n=n t) = E ϕ X t)) n=n n = = E ϕ X t)) N = g N ϕ X t)) Przykład: Niech X k ma rozkład wykładniczy Expλ), λ > 0, a N - rozkład ujemny dwumianowy N Bm, p), m N, 0 < p < 1. Wtedy EX 1 = 1 λ, D2 X 1 = 1 λ 2 oraz EN = m p, D2 N = i stąd Mamy też ϕ X t) = Zatem m1 p) p 2 ES = m p 1 λ = m pλ D 2 S = m ) p 1 m1 p) = m λ2 p 2 λ p 2 λ 2 1 it ) 1 ) m pz oraz g N z) = λ 1 1 p)z ϕ S t) = p ) 1 1 it λ 1 1 p) 1 it λ m ) 1 Jest to funkcja charakterystyczna rozkładu gamma Gpλ, m) Zatem S ma taki właśnie rozkład. Otrzymane wcześniej ES i D 2 S zgadzają się.) = 1 it ) m pλ 4

5 Rozkłady warunkowe. Definicja: Niech B będzie zbiorem borelowskim, a Y pewną zmienną losową. Definiujemy nową zmienną losową Z = 1I {Y B} = { 1, gdy Y B, 0, gdy Y / B. Rozkładem warunkowym zmiennej losowej Y pod warunkiem zmiennej losowej X nazywamy P Y B X) := EZ X) = E1I {Y B} X), jako funkcję borelowskiego zbioru B. Zauważmy, że E Z = EZ = P Y B) < dla dowolnego B, zatem dla dowolnej zmiennej losowej X warunkowa wartość oczekiwana EZ X) czyli rozkład warunkowy Y pod warunkiem X) jest dobrze zdefiniowana. Przy ustalonym x takim, który jest wartością istotnie przyjmowaną przez X) rozkład warunkowy P Y B X = x) jako funkcja zbioru borelowskiego B jest pewnym rozkładem prawdopodobieństwa. Rozkład ten ma dystrybuantę zwaną dystrybuantą warunkową). F y x) = P Y < y X = x) Rozkład warunkowy Y pod warunkiem X możemy zatem opisać podając rodzinę dystrybuant warunkowych F y x) po wszystkich wartościach x istotnie przyjmowanych przez X. Warunkowa wartość oczekiwana EY X = x) przy ustalonym x to zwykła wartość oczekiwana rozkładu warunkowego P Y B X = x). 5

6 Jeżeli wektor losowy X, Y ) ma rozkład dyskretny zadany ciągiem {x n, y k, p nk ), n T 1, k T 2 }, to rozkład warunkowy Y pod warunkiem X = x n też jest dyskretny i opisać możemy go także podając rodzinę ciągów { y k, p nk p n ) xn ), k T 2 } po wszystkich tych wartościach x n, dla których p n = P X = x n ) > 0, czyli po wartościach istotnie przyjmowanych przez X. Zauważmy, że p nk warunkowe.) p n = P Y = y k X = x n ) to zwykłe prawdopodobieństwo Ponadto wówczas dla tych x n, dla których p n > 0, mamy EY X = x n ) = p n k T 2 y k P Y = y k X = x n ) = 1 k T 2 y k p nk Jeżeli wektor losowy X, Y ) ma rozkład ciągły o gęstości f X,Y x, y), to rozkład warunkowy Y pod warunkiem X = x też jest ciągły o gęstości fy x) = f X,Y x, y) f X x) dla wszystkich takich x, dla których f X x) = f X,Y x, y)dy > 0, czyli po wartościach istotnie przyjmowanych przez X. Rozkład warunkowy opisujemy zatem wtedy także podając rodzinę gęstości warunkowych fy x) po wszystkich wartościach x, dla których f X x) > 0. Ponadto, dla takich x mamy EY X = x) = yfy x)dy = 1 f X x) yf X,Y x, y)dy. 6

7 Wzór na prawdopodobieństwo całkowite: P Y B) = P Y B X = x)df X x). gdzie F X to dystrybuanta rozkładu zmiennej losowej X. Jeśli znamy rozkład zmiennej losowej X i rozkład warunkowy Y pod warunkiem X, to znamy też rozkład łączny wektora losowego X, Y ): F X,Y x, y) = x F y x )df X x ). 1) Dla rozkładu dyskretnego p nk = P Y = y k X = x n )p n ; dla rozkładu ciągłego f X,Y x, y) = fy x)f X x). Jeżeli X i Y są niezależnymi zmiennymi losowymi, to P Y B X) = P Y B) z prawd. 1, tzn. wtedy rozkład warunkowy jest taki sam jak rozkład zmiennej losowej Y. Wtedy wzór 1) sprowadza się do znanego wzoru F X,Y x, y) = F X x)f Y y). 7

8 Przykłady: 1. Wektor losowy X, Y ) ma następujący rozkład łączny: x n 0 2 r.brzeg. y k Y 2 0, 1 0, 2 0, , 2 0, 2 1 0, 2 0, 3 0, 5 r.brzeg.x 0, 3 0, 7 = 1 Rozkład warunkowy Y pod warunkiem X i warunkowa wartość oczekiwana EY X) ma postać: dla x n = 0: P Y = 2 X = 0) = P X = 0, Y = 2) P X = 0) = 0, 1 0, 3 = 1 3, Podobnie P Y = 0 X = 0) = 0, P Y = 1 X = 0) = 2 3, Mamy zatem dla x n = 0 y k p nk /p n 2 1/ /3 Stąd EY X = 0) = 2) = 0 dla x n = 2: P Y = 2 X = 2) = 2 7, P Y = 0 X = 2) = 2 7, P Y = 1 X = 2) = 3 7, Mamy zatem dla x n = 2 y k p nk /p n 2 2/7 0 2/7 1 3/7 Stąd EY X = 2) = 1 7. Zatem EY X) = X) 8

9 2. Wektor losowy X, Y ) ma rozkład o gęstości f X,Y x, y) = Wtedy X ma rozkład o gęstości: f X x) = { 2x + y) dla 0 x 1, 0 y x, 0 poza tym x 2x + y)dy = 3x 2 dla 0 < x 1, f X,Y x, y)dy = 0 0 dla pozostalych x. Gęstość warunkowa rozkładu Y pod warunkiem X ma zatem postać: fy x) = f X,Y x, y) f X x) = 2x + y) 3x 2 dla 0 y x, 0 dla pozostalych y, gdzie 0 < x 1 są to wartości istotnie przyjmowane przez X). Warunkowa wartość oczekiwana wynosi: EY X = x) = Zatem yfy x)dy = x 0 2x + y) y dy = 5/9)x dla 0 < x 1. 3x 2 EY X) = 5/9)X 3. Czas pracy τ urządzenia ma rozkład wykładniczy Expλ = 1). Koszt użytkowania urządzenia, które uległo awarii w chwili t, ma rozkład jednostajny U1, 3 e t ). Jaka jest wartość oczekiwana kosztów K użytkowania urządzenia? W zadaniu mamy podany rozkład brzegowy zmiennej losowej τ: jest to rozkład Expλ = 1). Mamy także podany rozkład warunkowy zmiennej losowej K pod warunkiem τ = t: jest to rozkład U1, 3 e t ). Stąd EK τ = t) = e t = e t Zatem EK = EEK τ)) = E 2 1 ) 2 e τ = 2 1 e t f τ t)dt = = e 2t dt = e 2t 2 0 = = e t e t dt = 9

10 Regresja II rodzaju Przypomnienie: Jeżeli D 2 X <, D 2 Y <, to min f EY fx)) 2 = EY EY X)) 2 dla f - funkcji borelowskich). EY X = x) = mx) - funkcja regresji I rodzaju. Rozważmy inne zagadnienie: Szukamy min EY fx)) 2 dla fx) = ax + b - funkcji liniowych. f Minimum to jest osiągane dla a = ρ XY D2 Y D2 X, b = EY aex Prostą o równaniu D2 Y l : y EY = ρ XY x EX) D2 X nazywamy prostą regresji albo regresją II rodzaju). 10

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

Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów. Rachunek prawdopodobieństwa MAP1181 Wydział PPT, MS, rok akad. 213/14, sem. zimowy Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.

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

1 Zmienne losowe wielowymiarowe.

1 Zmienne losowe wielowymiarowe. 1 Zmienne losowe wielowymiarowe. 1.1 Definicja i przykłady. Definicja1.1. Wektorem losowym n-wymiarowym(zmienna losowa n-wymiarowa )nazywamywektorn-wymiarowy,któregoskładowymisązmiennelosowex i dlai=1,,...,n,

Bardziej szczegółowo

Ważne rozkłady i twierdzenia c.d.

Ważne rozkłady i twierdzenia c.d. Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby

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

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

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Nierówność Czebyszewa Niech X będzie zmienną losową o skończonej wariancji V ar(x). Wtedy wartość oczekiwana E(X) też jest skończona i

Bardziej szczegółowo

WYKŁAD 2. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

WYKŁAD 2. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady WYKŁAD 2 Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady Metody statystyczne metody opisu metody wnioskowania statystycznego syntetyczny liczbowy opis właściwości zbioru danych ocena

Bardziej szczegółowo

A = {dostęp do konta} = {{właściwe hasło,h 2, h 3 }} = 0, 0003. (10 4 )! 2!(10 4 3)! 3!(104 3)!

A = {dostęp do konta} = {{właściwe hasło,h 2, h 3 }} = 0, 0003. (10 4 )! 2!(10 4 3)! 3!(104 3)! Rachunek prawdopodobieństwa MAP34, WPPT/FT, wykład dr hab. A. Jurlewicz Przykłady - Lista nr : Przestrzeń probabilistyczna. Prawdopodobieństwo klasyczne. Prawdopodobieństwo geometryczne.. Hasło potrzebne

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

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład II: Zmienne losowe i charakterystyki ich rozkładów 13 października 2014 Zmienne losowe Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Definicja zmiennej losowej i jej

Bardziej szczegółowo

Zmienne losowe ciągłe i ich rozkłady

Zmienne losowe ciągłe i ich rozkłady Rachunek Prawdopodobieństwa i Statystyka - W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Zmienna losowa ciągła Dystrybuanta i unkcja gęstości rozkładu

Bardziej szczegółowo

Rozkłady dwóch zmiennych losowych

Rozkłady dwóch zmiennych losowych Rozkłady dwóch zmiennych losowych Uogólnienie pojęć na rozkład dwóch zmiennych Dystrybuanta i gęstość prawdopodobieństwa Rozkład brzegowy Prawdopodobieństwo warunkowe Wartości średnie i odchylenia standardowe

Bardziej szczegółowo

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład II: i charakterystyki ich rozkładów 24 lutego 2014 Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa,

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

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;

Bardziej szczegółowo

4,5. Dyskretne zmienne losowe (17.03; 31.03)

4,5. Dyskretne zmienne losowe (17.03; 31.03) 4,5. Dyskretne zmienne losowe (17.03; 31.03) Definicja 1 Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x 1, x 2,..., można ustawić w ciag. Zmienna losowa X, która przyjmuje wszystkie

Bardziej szczegółowo

Zmienne losowe ciągłe i ich rozkłady

Zmienne losowe ciągłe i ich rozkłady Statystyka i opracowanie danych W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Rozkład Poissona. Zmienna losowa ciągła Dystrybuanta i funkcja gęstości

Bardziej szczegółowo

x x 0.5. x Przykłady do zadania 4.1 :

x x 0.5. x Przykłady do zadania 4.1 : Rachunek prawdopodobieństwa MAP5 Wydział Elektroniki, rok akad. /, sem. letni Wykładowca: dr hab. A. Jurlewicz Przykłady do listy 4: Wartość oczekiwana, wariancja, mediana, kwartyle rozkładu prawdopodobieństwa.

Bardziej szczegółowo

Zmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015

Zmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015 Zmienne losowe, statystyki próbkowe Wrocław, 2 marca 2015 Zasady zaliczenia 2 kolokwia (każde po 20 punktów) projekt (20 punktów) aktywność Zasady zaliczenia 2 kolokwia (każde po 20 punktów) projekt (20

Bardziej szczegółowo

Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa

Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa Marek Kubiak Instytut Informatyki Politechnika Poznańska Plan wykładu Podstawowe pojęcia rachunku prawdopodobieństwa Rozkład

Bardziej szczegółowo

Rozkłady zmiennych losowych

Rozkłady zmiennych losowych Rozkłady zmiennych losowych Wprowadzenie Badamy pewną zbiorowość czyli populację pod względem występowania jakiejś cechy. Pobieramy próbę i na podstawie tej próby wyznaczamy pewne charakterystyki. Jeśli

Bardziej szczegółowo

Rachunek prawdopodobieństwa - Teoria - Przypomnienie.. A i B są niezależne, gdy P(A B) = P(A)P(B). P(A B i )P(B i )

Rachunek prawdopodobieństwa - Teoria - Przypomnienie.. A i B są niezależne, gdy P(A B) = P(A)P(B). P(A B i )P(B i ) Rachunek prawdopodobieństwa - Teoria - Przypomnienie Podstawy Definicja 1. Schemat klasyczny - wszystkie zdarzenia elementarne są równo prawdopodobne, licząc prawdopodobieństwo liczymy stosunek liczby

Bardziej szczegółowo

Zmienne losowe skokowe

Zmienne losowe skokowe Zmienne losowe skokowe 1.1 Rozkład prawdopodobieństwa i dystrybuanta Zad.1 Niech zmienna losowa X przyjmuje wartości równe liczbie wyrzuconych oczek przy pojedynczym rzucie kostką do gry, czyli =1,2,3,,6.

Bardziej szczegółowo

Rozkłady statystyk z próby

Rozkłady statystyk z próby Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny

Bardziej szczegółowo

Układy równań i równania wyższych rzędów

Układy równań i równania wyższych rzędów Rozdział Układy równań i równania wyższych rzędów Układy równań różniczkowych zwyczajnych Wprowadzenie W poprzednich paragrafach zajmowaliśmy się równaniami różniczkowymi y = f(x, y), których rozwiązaniem

Bardziej szczegółowo

Wstęp do rachunku prawdopodobieństwa

Wstęp do rachunku prawdopodobieństwa Wstęp do rachunku prawdopodobieństwa Rozdział 06: Zmienne losowe. Katarzyna Rybarczyk-Krzywdzińska semestr zimowy 2015/2016 Wprowadzenie Przykład 6.1 Adam, Bolek i Czesiu wstąpili do kasyna. Postanowili

Bardziej szczegółowo

5.Dzienne zużycie energii (1=100kWh) pewnej firmy jest zmienną losową. 0, gdy x 0 lub x 3

5.Dzienne zużycie energii (1=100kWh) pewnej firmy jest zmienną losową. 0, gdy x 0 lub x 3 LISTA 4 1.Liczba komputerów, które mogą być zarażone wirusem poprzez pewną sieć ma rozkład Poissona z parametrem λ = 7. Prawdopodobieństwo,że wirus uaktywni się w zarażonym komputerze wynosi p. Jakie jest

Bardziej szczegółowo

Przegląd ważniejszych rozkładów

Przegląd ważniejszych rozkładów Przegląd ważniejszych rozkładów Rozkład dwupunktowy P (X = x) = { p dla x = a, 1 p dla x = b, to zmienna losowa X ma rozkład dwupunktowy z parametrem p (0 < p < 1). Rozkład ten pojawia się przy opisie

Bardziej szczegółowo

Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami:

Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami: Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami: Pr(X 1 = 0) = 6/10, Pr(X 1 = 1) = 1/10, i gęstością: f(x) = 3/10 na przedziale (0, 1). Wobec tego Pr(X 1 + X 2 5/3) wynosi:

Bardziej szczegółowo

IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych,

IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych, IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. Definicja 1.1. Niech D będzie podzbiorem przestrzeni R n, n 2. Odwzorowanie f : D R nazywamy

Bardziej szczegółowo

Z Wikipedii, wolnej encyklopedii.

Z Wikipedii, wolnej encyklopedii. Rozkład normalny Rozkład normalny jest niezwykle ważnym rozkładem prawdopodobieństwa w wielu dziedzinach. Nazywa się go także rozkładem Gaussa, w szczególności w fizyce i inżynierii. W zasadzie jest to

Bardziej szczegółowo

Analiza przeżycia. Wprowadzenie

Analiza przeżycia. Wprowadzenie Wprowadzenie Przedmiotem badania analizy przeżycia jest czas jaki upływa od początku obserwacji do wystąpienia określonego zdarzenia, które jednoznacznie kończy obserwację na danej jednostce. Analiza przeżycia

Bardziej szczegółowo

Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe

Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe Statystyka i opracowanie danych W4 Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Rozkład normalny wykres funkcji gęstości

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VII: Metody specjalne Monte Carlo 24 listopada 2014 Transformacje specjalne Przykład - symulacja rozkładu geometrycznego Niech X Ex(λ). Rozważmy zmienną losową [X ], która przyjmuje wartości naturalne.

Bardziej szczegółowo

Twierdzenie spektralne

Twierdzenie spektralne Twierdzenie spektralne Algebrę ograniczonych funkcji borelowskich na K R będziemy oznaczać przez B (K). Spektralnym rozkładem jedności w przestrzeni Hilberta H nazywamy odwzorowanie, które każdemu zbiorowi

Bardziej szczegółowo

KURS PRAWDOPODOBIEŃSTWO

KURS PRAWDOPODOBIEŃSTWO KURS PRAWDOPODOBIEŃSTWO Lekcja 6 Ciągłe zmienne losowe ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowiedź (tylko jedna jest prawdziwa). Pytanie 1 Zmienna losowa ciągła jest

Bardziej szczegółowo

Zadania o numerze 4 z zestawów licencjat 2014.

Zadania o numerze 4 z zestawów licencjat 2014. Zadania o numerze 4 z zestawów licencjat 2014. W nawiasie przy zadaniu jego występowanie w numerze zestawu Spis treści (Z1, Z22, Z43) Definicja granicy ciągu. Obliczyć granicę:... 3 Definicja granicy ciągu...

Bardziej szczegółowo

Rachunek prawdopodobieństwa. Stanisław Jaworski

Rachunek prawdopodobieństwa. Stanisław Jaworski Rachunek prawdopodobieństwa Stanisław Jaworski Rachunek prawdopodobieństwa: dział matematyki zajmujący się badaniem modeli zjawisk losowych (przypadkowych) i praw nimi rządzących (Encyklopedia Popularna

Bardziej szczegółowo

Definicja 7.4 (Dystrybuanta zmiennej losowej). Dystrybuantą F zmiennej losowej X nazywamy funkcję: Własności dystrybuanty zmiennej losowej:

Definicja 7.4 (Dystrybuanta zmiennej losowej). Dystrybuantą F zmiennej losowej X nazywamy funkcję: Własności dystrybuanty zmiennej losowej: Definicja 7.4 (Dystrybuanta zmiennej losowej). Dystrybuantą F zmiennej losowej X nazywamy funkcję: F (t) P (X t) < t < Własności dystrybuanty zmiennej losowej: jest niemalejąca: 0 F (t) jest prawostronnie

Bardziej szczegółowo

Oznacza to, że chcemy znaleźć minimum, a właściwie wartość najmniejszą funkcji

Oznacza to, że chcemy znaleźć minimum, a właściwie wartość najmniejszą funkcji Wykład 11. Metoda najmniejszych kwadratów Szukamy zależności Dane są wyniki pomiarów dwóch wielkości x i y: (x 1, y 1 ), (x 2, y 2 ),..., (x n, y n ). Przypuśćmy, że nanieśliśmy je na wykres w układzie

Bardziej szczegółowo

1. Ubezpieczenia życiowe

1. Ubezpieczenia życiowe 1. Ubezpieczenia życiowe Przy ubezpieczeniach życiowych mamy do czynienia z jednorazową wypłatą sumy ubezpieczenia. Moment jej wypłaty i wielkość wypłaty może być funkcją zmiennej losowej T a więc czas

Bardziej szczegółowo

Statystyka Opisowa z Demografią oraz Biostatystyka. Zmienne losowe. Aleksander Denisiuk. denisjuk@euh-e.edu.pl

Statystyka Opisowa z Demografią oraz Biostatystyka. Zmienne losowe. Aleksander Denisiuk. denisjuk@euh-e.edu.pl Statystyka Opisowa z Demografią oraz Biostatystyka Zmienne losowe Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka p.

Bardziej szczegółowo

Rachunek prawdopodobieństwa WZ-ST1-AG--16/17Z-RACH. Liczba godzin stacjonarne: Wykłady: 15 Ćwiczenia: 30. niestacjonarne: Wykłady: 9 Ćwiczenia: 18

Rachunek prawdopodobieństwa WZ-ST1-AG--16/17Z-RACH. Liczba godzin stacjonarne: Wykłady: 15 Ćwiczenia: 30. niestacjonarne: Wykłady: 9 Ćwiczenia: 18 Karta przedmiotu Wydział: Wydział Zarządzania Kierunek: Analityka gospodarcza I. Informacje podstawowe Nazwa przedmiotu Rachunek prawdopodobieństwa Nazwa przedmiotu w j. ang. Język prowadzenia przedmiotu

Bardziej szczegółowo

Zmienna losowa i jej rozkład Dystrybuanta zmiennej losowej Wartość oczekiwana zmiennej losowej

Zmienna losowa i jej rozkład Dystrybuanta zmiennej losowej Wartość oczekiwana zmiennej losowej Zmienna losowa i jej rozkład Dystrybuanta zmiennej losowej Wartość oczekiwana zmiennej losowej c Copyright by Ireneusz Krech ikrech@ap.krakow.pl Instytut Matematyki Uniwersytet Pedagogiczny im. KEN w Krakowie

Bardziej szczegółowo

1. Przyszła długość życia x-latka

1. Przyszła długość życia x-latka Przyszła długość życia x-latka Rozważmy osobę mającą x lat; oznaczenie: (x) Jej przyszłą długość życia oznaczymy T (x), lub krótko T Zatem x+t oznacza całkowitą długość życia T jest zmienną losową, której

Bardziej szczegółowo

5 Równania różniczkowe zwyczajne rzędu drugiego

5 Równania różniczkowe zwyczajne rzędu drugiego 5 Równania różniczkowe zwyczajne rzędu drugiego Definicja 5.1. Równaniem różniczkowym zwyczajnym rzędu drugiego nazywamy równanie postaci F ( x, y, y, y ) = 0, (12) w którym niewiadomą jest funkcja y =

Bardziej szczegółowo

7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej

7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej 7. Estymacja parametrów w modelu normalnym(14.04.2008) Pojęcie losowej próby prostej Definicja 1 n-elementowa losowa próba prosta nazywamy ciag n niezależnych zmiennych losowych o jednakowych rozkładach

Bardziej szczegółowo

Notatki z Analizy Matematycznej 2. Jacek M. Jędrzejewski

Notatki z Analizy Matematycznej 2. Jacek M. Jędrzejewski Notatki z Analizy Matematycznej 2 Jacek M. Jędrzejewski Definicja 3.1. Niech (a n ) n=1 będzie ciągiem liczbowym. Dla każdej liczby naturalnej dodatniej n utwórzmy S n nazywamy n-tą sumą częściową. ROZDZIAŁ

Bardziej szczegółowo

Rachunek Prawdopodobieństwa i Statystyka

Rachunek Prawdopodobieństwa i Statystyka Rachunek Prawdopodobieństwa i Statystyka W 2. Probabilistyczne modele danych Zmienne losowe. Rozkład prawdopodobieństwa i dystrybuanta. Wartość oczekiwana i wariancja zmiennej losowej Dr Anna ADRIAN Zmienne

Bardziej szczegółowo

ELEKTROTECHNIKA Semestr 2 Rok akad / ZADANIA Z MATEMATYKI Zestaw Oblicz pochodne cząstkowe rzędu drugiego funkcji:

ELEKTROTECHNIKA Semestr 2 Rok akad / ZADANIA Z MATEMATYKI Zestaw Oblicz pochodne cząstkowe rzędu drugiego funkcji: ZADANIA Z MATEMATYKI Zestaw. Oblicz pochodne cząstkowe funkcji: a) f(x, y) = x sin y x b) f(x, y) = e y +x 2 c) f(x, y, z) = z cos x+y z 2. Oblicz pochodne cząstkowe rzędu drugiego funkcji: 3. Wyznacz

Bardziej szczegółowo

Definicja i własności wartości bezwzględnej.

Definicja i własności wartości bezwzględnej. Równania i nierówności z wartością bezwzględną. Rozwiązywanie układów dwóch (trzech) równań z dwiema (trzema) niewiadomymi. Układy równań liniowych z parametrem, analiza rozwiązań. Definicja i własności

Bardziej szczegółowo

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe 4.0. Rozkłady zmiennych losowych, dystrybuanta. Katarzyna Rybarczyk-Krzywdzińska semestr zimowy 2016/2017 Wprowadzenie Przykład 1 Bolek, Lolek i Tola

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 1.10.2012 r.

Matematyka ubezpieczeń majątkowych 1.10.2012 r. Zadanie. W pewnej populacji każde ryzyko charakteryzuje się trzema parametrami q, b oraz v, o następującym znaczeniu: parametr q to prawdopodobieństwo, że do szkody dojdzie (może zajść co najwyżej jedna

Bardziej szczegółowo

Weryfikacja hipotez statystycznych

Weryfikacja hipotez statystycznych Weryfikacja hipotez statystycznych Hipoteza Test statystyczny Poziom istotności Testy jednostronne i dwustronne Testowanie równości wariancji test F-Fishera Testowanie równości wartości średnich test t-studenta

Bardziej szczegółowo

RÓŻNICZKOWANIE FUNKCJI WIELU ZMIENNYCH: rachunek pochodnych dla funkcji wektorowych. Pochodne cząstkowe funkcji rzeczywistej wielu zmiennych

RÓŻNICZKOWANIE FUNKCJI WIELU ZMIENNYCH: rachunek pochodnych dla funkcji wektorowych. Pochodne cząstkowe funkcji rzeczywistej wielu zmiennych RÓŻNICZKOWANIE FUNKCJI WIELU ZMIENNYCH: rachunek pochodnych dla funkcji wektorowych Pochodne cząstkowe funkcji rzeczywistej wielu zmiennych wyliczamy według wzoru (x, x 2,..., x n ) f(x, x 2,..., x n )

Bardziej szczegółowo

AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej ROZKŁAD NORMALNY ROZKŁAD GAUSSA

AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej ROZKŁAD NORMALNY ROZKŁAD GAUSSA AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej KATEDRA MATEMATYKI TEMAT PRACY: ROZKŁAD NORMALNY ROZKŁAD GAUSSA AUTOR: BARBARA MARDOSZ Kraków, styczeń 2008 Spis treści 1 Wprowadzenie 2 2 Definicja

Bardziej szczegółowo

Rachunek prawdopodobieństwa II

Rachunek prawdopodobieństwa II Leszek Słomiński achunek prawdopodobieństwa II Materiały dydaktyczne dla studentów matematyki przygotowane w ramach projektu IKS - Inwestycja w Kierunki Strategiczne na Wydziale Matematyki i Informatyki

Bardziej szczegółowo

Formy kwadratowe. Rozdział 10

Formy kwadratowe. Rozdział 10 Rozdział 10 Formy kwadratowe Rozważmy rzeczywistą macierz symetryczną A R n n Definicja 101 Funkcję h : R n R postaci h (x) = x T Ax (101) nazywamy formą kwadratową Macierz symetryczną A występującą w

Bardziej szczegółowo

Logarytmy. Funkcje logarytmiczna i wykładnicza. Równania i nierówności wykładnicze i logarytmiczne.

Logarytmy. Funkcje logarytmiczna i wykładnicza. Równania i nierówności wykładnicze i logarytmiczne. Logarytmy. Funkcje logarytmiczna i wykładnicza. Równania i nierówności wykładnicze i logarytmiczne. Definicja. Niech a i b będą dodatnimi liczbami rzeczywistymi i niech a. Logarytmem liczby b przy podstawie

Bardziej szczegółowo

Metoda największej wiarygodności

Metoda największej wiarygodności Metoda największej wiarygodności Próbki w obecności tła Funkcja wiarygodności Iloraz wiarygodności Pomiary o różnej dokładności Obciążenie Informacja z próby i nierówność informacyjna Wariancja minimalna

Bardziej szczegółowo

= = a na podstawie zadania 6 po p. 3.6 wiemy, że. b 1. a 2 ab b 2

= = a na podstawie zadania 6 po p. 3.6 wiemy, że. b 1. a 2 ab b 2 64 III. Zienne losowe jednowyiarowe D Ponieważ D (A) < D (B), więc należy wybrać partię A. Przykład 3.4. Obliczyć wariancję rozkładu jednostajnego. Ponieważ a na podstawie zadania 6 po p. 3.6 wiey, że

Bardziej szczegółowo

O ŚREDNIEJ STATYSTYCZNEJ

O ŚREDNIEJ STATYSTYCZNEJ O ŚREDNIEJ STATYSTYCZNEJ Ryszard Zieliński XII Międzynarodowe Warsztaty dla Młodych Matematyków Rachunek Prawdopodobieństwa i Statystyka Kraków, 20 26 IX 2009 r. WYNIKI OBSERWACJI X 1, X 2,..., X n WYNIKI

Bardziej szczegółowo

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t. Procesy stochastyczne WYKŁAD 5 Proces Poissona. Proces {N(t), t } nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t. Proces zliczający musi

Bardziej szczegółowo

Funkcja kwadratowa. f(x) = ax 2 + bx + c = a

Funkcja kwadratowa. f(x) = ax 2 + bx + c = a Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax, a R \ {0}.

Bardziej szczegółowo

Funkcja kwadratowa. f(x) = ax 2 + bx + c,

Funkcja kwadratowa. f(x) = ax 2 + bx + c, Funkcja kwadratowa. Funkcją kwadratową nazywamy funkcję f : R R określoną wzorem gdzie a, b, c R, a 0. f(x) = ax 2 + bx + c, Szczególnym przypadkiem funkcji kwadratowej jest funkcja f(x) = ax 2, a R \

Bardziej szczegółowo

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład XII: Zagadnienia redukcji wymiaru danych 12 maja 2014 Definicja Niech X będzie zmienną losową o skończonym drugim momencie. Standaryzacją zmiennej X nazywamy zmienną losową Z = X EX Var (X ). Definicja

Bardziej szczegółowo

22. CAŁKA KRZYWOLINIOWA SKIEROWANA

22. CAŁKA KRZYWOLINIOWA SKIEROWANA CAŁA RZYWOLINIOWA SIEROWANA Niech łuk o równaniach parametrycznych: x x(t), y y(t), a < t < b, będzie łukiem regularnym skierowanym, tzn łukiem w którym przyjęto punkt A(x(a), y(a)) za początek łuku, zaś

Bardziej szczegółowo

Aleksander Adamowski (s1869) zmienn ą losow ą T o rozkładzie wykładniczym o średniej 5 minut.

Aleksander Adamowski (s1869) zmienn ą losow ą T o rozkładzie wykładniczym o średniej 5 minut. Zadanie Statystyczna Analiza Danych - Zadania 6 Aleksander Adamowski (s869) W pewnym biurze czas losowo wybranej rozmowy telefonicznej jest zmienn ą losow ą T o rozkładzie wykładniczym o średniej 5 minut.

Bardziej szczegółowo

5. Równania różniczkowe zwyczajne pierwszego rzędu

5. Równania różniczkowe zwyczajne pierwszego rzędu 5. Równania różniczkowe zwyczajne pierwszego rzędu 5.1. Wstęp. Definicja 5.1. Niech V R 3 będzie obszarem oraz F : V R. Równaniem różniczkowym zwyczajnym rzędu pierwszego nazywamy równanie postaci Równanie

Bardziej szczegółowo

Rozpoznawanie obrazów

Rozpoznawanie obrazów Rozpoznawanie obrazów Ćwiczenia lista zadań nr 5 autorzy: A. Gonczarek, J.M. Tomczak Przykładowe problemy Klasyfikacja binarna Dla obrazu x zaproponowano dwie cechy φ(x) = (φ 1 (x) φ 2 (x)) T. Na obrazie

Bardziej szczegółowo

WYKŁAD 2 i 3. Podstawowe pojęcia związane z prawdopodobieństwem. Podstawy teoretyczne. autor: Maciej Zięba. Politechnika Wrocławska

WYKŁAD 2 i 3. Podstawowe pojęcia związane z prawdopodobieństwem. Podstawy teoretyczne. autor: Maciej Zięba. Politechnika Wrocławska Wrocław University of Technology WYKŁAD 2 i 3 Podstawowe pojęcia związane z prawdopodobieństwem. Podstawy teoretyczne autor: Maciej Zięba Politechnika Wrocławska Pojęcie prawdopodobieństwa Prawdopodobieństwo

Bardziej szczegółowo

Dokładne i graniczne rozkłady statystyk z próby

Dokładne i graniczne rozkłady statystyk z próby Dokładne i graniczne rozkłady statystyk z próby Przypomnijmy Populacja Próba Wielkość N n Średnia Wariancja Odchylenie standardowe 4.2 Rozkład statystyki Mówimy, że rozkład statystyki (1) jest dokładny,

Bardziej szczegółowo

EGZAMIN MAGISTERSKI, czerwiec 2014 Matematyka w ekonomii i ubezpieczeniach

EGZAMIN MAGISTERSKI, czerwiec 2014 Matematyka w ekonomii i ubezpieczeniach Matematyka w ekonomii i ubezpieczeniach Sprawdź, czy wektor x 0 = (0,5,,0,0) jest rozwiązaniem dopuszczalnym zagadnienia programowania liniowego: Zminimalizować 3x 1 +x +x 3 +4x 4 +6x 5, przy ograniczeniach

Bardziej szczegółowo

SYLABUS DOTYCZY CYKLU KSZTAŁCENIA (skrajne daty)

SYLABUS DOTYCZY CYKLU KSZTAŁCENIA (skrajne daty) Załącznik nr 4 do Uchwały Senatu nr 430/01/2015 SYLABUS DOTYCZY CYKLU KSZTAŁCENIA 2015-2017 (skrajne daty) 1.1. PODSTAWOWE INFORMACJE O PRZEDMIOCIE/MODULE Nazwa przedmiotu/ modułu Rachunek prawdopodobieństwa

Bardziej szczegółowo

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych. Bioinformatyka Wykład 9 Wrocław, 5 grudnia 2011 Temat. Test zgodności χ 2 Pearsona. Statystyka χ 2 Pearsona Rozpatrzmy ciąg niezależnych zmiennych losowych X 1,..., X n o jednakowym dyskretnym rozkładzie

Bardziej szczegółowo

Zakładamy, że są niezależnymi zmiennymi podlegającymi (dowolnemu) rozkładowi o skończonej wartości oczekiwanej i wariancji.

Zakładamy, że są niezależnymi zmiennymi podlegającymi (dowolnemu) rozkładowi o skończonej wartości oczekiwanej i wariancji. Wnioskowanie_Statystyczne_-_wykład Spis treści 1 Centralne Twierdzenie Graniczne 1.1 Twierdzenie Lindeberga Levy'ego 1.2 Dowód 1.2.1 funkcja tworząca sumy zmiennych niezależnych 1.2.2 pochodna funkcji

Bardziej szczegółowo

Geometria analityczna

Geometria analityczna Geometria analityczna Paweł Mleczko Teoria Informacja (o prostej). postać ogólna prostej: Ax + By + C = 0, A + B 0, postać kanoniczna (kierunkowa) prostej: y = ax + b. Współczynnik a nazywamy współczynnikiem

Bardziej szczegółowo

Modelowanie komputerowe

Modelowanie komputerowe Modelowanie komputerowe wykład 1- Generatory liczb losowych i ich wykorzystanie dr Marcin Ziółkowski Instytut Matematyki i Informatyki Akademia im. Jana Długosza w Częstochowie 5,12 października 2016 r.

Bardziej szczegółowo

Spis treści 3 SPIS TREŚCI

Spis treści 3 SPIS TREŚCI Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe

Bardziej szczegółowo

Wykład 9: Markov Chain Monte Carlo

Wykład 9: Markov Chain Monte Carlo RAP 412 17.12.2008 Wykład 9: Markov Chain Monte Carlo Wykładowca: Andrzej Ruciński Pisarz: Ewelina Rychlińska i Wojciech Wawrzyniak Wstęp W tej części wykładu zajmiemy się zastosowaniami łańcuchów Markowa

Bardziej szczegółowo

4 Kilka klas procesów

4 Kilka klas procesów Marek Beśka, Całka Stochastyczna, wykład 4 48 4 Kilka klas procesów 4.1 Procesy rosnące i przestrzenie V,, loc Jak poprzednio niech (Ω, F, F, P ) będzie zupełną bazą stochastyczną. Definicja 4.1 Proces

Bardziej szczegółowo

STATYSTYKA wykład 5-6

STATYSTYKA wykład 5-6 TATYTYKA wykład 5-6 Twierdzenia graniczne Rozkłady statystyk z próby Wanda Olech Twierdzenia graniczne Jeżeli rozpatrujemy ciąg zmiennych losowych {X ; X ;...; X n }, to zdarza się, że ich rozkłady przy

Bardziej szczegółowo

Elektrotechnika II [ Laboratorium Grupa 1 ] 2016/2017 Zimowy. [ Laboratorium Grupa 2 ] 2016/2017 Zimowy

Elektrotechnika II [ Laboratorium Grupa 1 ] 2016/2017 Zimowy. [ Laboratorium Grupa 2 ] 2016/2017 Zimowy Elektrotechnika II [ Laboratorium Grupa ] 206/207 Zimowy Lp Numer indeksu Pkt Kol Suma Popr Ocena Data Uwagi 97574 6 7 Db + 2 9758 ++0,9 5 7,9 Db + 3 99555 0,9+0,9 2,8 Dst + 4 97595 0,8++ 0 2,8 Dst + 5

Bardziej szczegółowo

Elementy rachunku prawdopodobieństwa (M. Skośkiewicz, A. Siejka, K. Walczak, A. Szpakowska)

Elementy rachunku prawdopodobieństwa (M. Skośkiewicz, A. Siejka, K. Walczak, A. Szpakowska) Elementy rachunku prawdopodobieństwa (M. Skośkiewicz, A. Siejka, K. Walczak, A. Szpakowska) Twierdzenie (o mnożeniu) Podstawowe pojęcia i wzory kombinatoryczne. Niech,, będą zbiorami mającymi odpowiednio,,

Bardziej szczegółowo

x a 1, podając założenia, przy jakich jest ono wykonywalne. x a 1 = x a 2 ( a 1) = x 1 = 1 x.

x a 1, podając założenia, przy jakich jest ono wykonywalne. x a 1 = x a 2 ( a 1) = x 1 = 1 x. Zestaw. Funkcja potęgowa, wykładnicza i logarytmiczna. Elementarne równania i nierówności. Przykład 1. Wykonać działanie x a x a 1, podając założenia, przy jakich jest ono wykonywalne. Rozwiązanie. Niech

Bardziej szczegółowo

II WYKŁAD STATYSTYKA. 12/03/2014 B8 sala 0.10B Godz. 15:15

II WYKŁAD STATYSTYKA. 12/03/2014 B8 sala 0.10B Godz. 15:15 II WYKŁAD STATYSTYKA 12/03/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 2 Rachunek prawdopodobieństwa zdarzenia elementarne zdarzenia losowe zmienna losowa skokowa i ciągła prawdopodobieństwo i gęstość prawdopodobieństwa

Bardziej szczegółowo

1. Wielomiany Podstawowe definicje i twierdzenia

1. Wielomiany Podstawowe definicje i twierdzenia 1. Wielomiany Podstawowe definicje i twierdzenia Definicja wielomianu. Wielomianem stopnia n zmiennej rzeczywistej x nazywamy funkcję w określoną wzorem w(x) = a n x n + a n 1 x n 1 + + a 1 x + a 0, przy

Bardziej szczegółowo

4. O funkcji uwikłanej 4.1. Twierdzenie. Niech będzie dana funkcja f klasy C 1 na otwartym podzbiorze. ϕ : K(x 0, δ) (y 0 η, y 0 + η), taka że

4. O funkcji uwikłanej 4.1. Twierdzenie. Niech będzie dana funkcja f klasy C 1 na otwartym podzbiorze. ϕ : K(x 0, δ) (y 0 η, y 0 + η), taka że 4. O funkcji uwikłanej 4.1. Twierdzenie. Niech będzie dana funkcja f klasy C 1 na otwartym podzbiorze taka że K(x 0, δ) (y 0 η, y 0 + η) R n R, f(x 0, y 0 ) = 0, y f(x 0, y 0 ) 0. Wówczas dla odpowiednio

Bardziej szczegółowo

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl

Bardziej szczegółowo

Komputerowa Analiza Danych Doświadczalnych

Komputerowa Analiza Danych Doświadczalnych Komputerowa Analiza Danych Doświadczalnych dr inż. Adam Kisiel kisiel@if.pw.edu.pl pokój 117b (12b) 1 Materiały do wykładu Transparencje do wykładów: http://www.if.pw.edu.pl/~kisiel/kadd/kadd.html Literatura

Bardziej szczegółowo

Estymacja w regresji nieparametrycznej

Estymacja w regresji nieparametrycznej Estymacja w regresji nieparametrycznej Jakub Kolecki Politechnika Gdańska 28 listopada 2011 1 Wstęp Co to jest regresja? Przykład regresji 2 Regresja nieparametryczna Założenia modelu Estymacja i jej charakterystyki

Bardziej szczegółowo

Matematyka 2. dr inż. Rajmund Stasiewicz

Matematyka 2. dr inż. Rajmund Stasiewicz Matematyka 2 dr inż. Rajmund Stasiewicz Skala ocen Punkty Ocena 0 50 2,0 51 60 3,0 61 70 3,5 71 80 4,0 81 90 4,5 91-5,0 Zwolnienie z egzaminu Ocena z egzaminu liczba punktów z ćwiczeń - 5 Warunki zaliczenia

Bardziej szczegółowo

Proces Poissona. Wykład 4. 4.1 Proces zliczajacy

Proces Poissona. Wykład 4. 4.1 Proces zliczajacy Wykład 4 roces oissona 4.1 roces zliczajacy roces stochastyczny {N t ;t } nazywamy zliczaj acym, gdy N t jest równe całkowitej ilości zdarzeń które zdarzyły się do momentu t. rzekładami procesów zliczajacychn

Bardziej szczegółowo

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2017

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2017 Formy kwadratowe Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 14. wykład z algebry liniowej Warszawa, styczeń 2017 Mirosław Sobolewski (UW) Warszawa, 2017 1 / 10 Definicja Funkcja

Bardziej szczegółowo

1 Równania różniczkowe zwyczajne

1 Równania różniczkowe zwyczajne Równania różniczkowe zwyczajne wykład z MATEMATYKI Budownictwo studia niestacjonarne sem. II, rok ak. 2008/2009 Katedra Matematyki Wydział Informatyki Politechnika Białostocka Równania różniczkowe Równaniem

Bardziej szczegółowo

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014 Estymacja przedziałowa - przedziały ufności dla średnich Wrocław, 5 grudnia 2014 Przedział ufności Niech będzie dana próba X 1, X 2,..., X n z rozkładu P θ, θ Θ. Definicja Przedziałem ufności dla paramertu

Bardziej szczegółowo

+ r arcsin. M. Przybycień Rachunek prawdopodobieństwa i statystyka π r x

+ r arcsin. M. Przybycień Rachunek prawdopodobieństwa i statystyka π r x Prawdopodobieństwo geometryczne Przykład: Przestrzeń zdarzeń elementarnych określona jest przez zestaw punktów (x, y) na płaszczyźnie i wypełnia wnętrze kwadratu [0 x 1; 0 y 1]. Znajdź p-stwo, że dowolny

Bardziej szczegółowo

SPIS TEŚCI CZĘŚĆ I RACHUNEK PRAWDOPODOBIEŃSTWA

SPIS TEŚCI CZĘŚĆ I RACHUNEK PRAWDOPODOBIEŃSTWA SPIS TEŚCI PRZEDMOWA...13 CZĘŚĆ I RACHUNEK PRAWDOPODOBIEŃSTWA 1. ZDARZENIA LOSOWE I PRAWDOPODOBIEŃSTWO...17 1.1. UWAGI WSTĘPNE... 17 1.2. ZDARZENIA LOSOWE... 17 1.3. RELACJE MIĘDZY ZDARZENIAMI... 18 1.4.

Bardziej szczegółowo

Funkcje wymierne. Jerzy Rutkowski. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k.

Funkcje wymierne. Jerzy Rutkowski. Działania dodawania i mnożenia funkcji wymiernych określa się wzorami: g h + k l g h k. Funkcje wymierne Jerzy Rutkowski Teoria Przypomnijmy, że przez R[x] oznaczamy zbiór wszystkich wielomianów zmiennej x i o współczynnikach rzeczywistych Definicja Funkcją wymierną jednej zmiennej nazywamy

Bardziej szczegółowo