Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe
|
|
- Alicja Kurek
- 7 lat temu
- Przeglądów:
Transkrypt
1 Rachunek Prawdopodobieństwa istatystyka W4 Rozkład normalny Parametry rozkładu zmienne losowe Zmienne losowe wielowymiarowe Dr Anna ADRIAN Paw B5, pok407
2 Rozkład normalny - standaryzaca Standaryzaca polega na sprowadzeniu dowolnego rozkładu normalnego N(µ,σ, o danych parametrach µi σ do rozkładu standaryzowanego (modelowego o wartości oczekiwane µ 0 i odchyleniu standardowym σ 1. Zmienną X zastępue zmienna standaryzowana U, która ma rozkład N(0,1. Wtedy otrzymamy następuące zależności: u x σ µ f(x ϕ(u, F(x Φ(u, czyli: P( X x F( x x µ Φ( σ
3 Własności dystrybuanty standaryzowanego rozkładu normalnego: ( ( ( 1 ( 1 ( ( 1 ( ( ( ( ( ( u u U P u u U P u U P u u u U P u u U P x X P x F Φ > Φ > Φ Φ Φ
4 gdzie Φ(u oznacza wartości dystrybuanty standaryzowanego rozkładu normalnego N(0,1. Wartości te znadziemy w tablicach statystycznych Φ Φ < Φ Φ < < < σ µ σ µ σ µ σ µ σ µ σ µ σ µ σ µ σ µ a b a F b F b X a P a b b U a P b X a P b X a P ( ( ( ( Obliczanie prawdopodobieństwa w rozkładzie normalnym Obliczanie prawdopodobieństwa, że zmienna losowa X, o rozkładzie N (µ, σ, przymie wartości z przedziału (a,b
5 Zadanie: Wzrost kobiet w pewne populaci ma rozkład normalny N(165,15. Oznacza to, iż zmienna losowa aką est wzrost kobiet ma rozkład normalny ze średnią równą 165 cm odchyleniem standardowym równym 15 cm. Jaki est udział w populaci kobiet o wzroście: a do 160 cm, b w przedziale cm, c powyże 175 cm d dokładnie 150 cm
6 Rozwiązanie: a poniże 160 cm X P( X 160 P P( U 0, Φ( 0,33 1 Φ(0,33 1 0,6293 0,3707 innym sposobem P( X 160 F(160 Φ 15 Φ( 0,33 1 Φ(0,33 1 0,6293 0,3707
7 Rozwiązanie: b w przedziale cm X P(165 < X 170 P < 15 P(0 < U 0,33 Φ(0,33 Φ( ,6293 0,5 0,1293 P( X 1 c powyże 175 cm. X > 175 P > P( U > 0, P( U 0,67 1 Φ(0,67 1 0, , d dokładnie 150 cm. P( X 150 P(150 X 150 F(150 F(150 0
8
9 Parametry pozycyne rozkładu zmienne losowe Moda Dominanta. Mediana. Modą Mo ( DominantąDo zmienne losowe X nazywamy tę wartość zmienne losowe, które odpowiada: Nawiększe prawdopodobieństwo w przypadku zmienne dyskretne Maksimum lokalne funkci gęstości w przypadku zmienne losowe ciągłe. Medianą Me zmienne losowe X nazywamy wartość x, spełniaącą nierówności P(X x 0,5 i P (X x 0,5 natomiast dla dystrybuanty mamy 0,5 F(x 0,5+P(Xx dla zmienne dyskretne F(x0,5 dla zmienne ciągłe
10 Symetria rozkładu zmienne losowe Zmienna losowa ma rozkład symetryczny eśli istniee taka wartość a, że: W przypadku zmienne dyskretne każdemu punktowi skokowemu x i a odpowiada punkt x a, taki, że P(X x i P(Xx oraz a- x i x -a W przypadku zmienne losowe ciągłe o funkci gęstości f(x : f(a-xf(a+x dla każdego x w punktach ciągłości f(x. Punkt a nosi nazwę środka symetrii, a prosta xa est osią symetrii rozkładu zmienne losowe. Jeśli rozkład est symetryczny, to środkiem symetrii est wartość oczekiwana W rozkładzie symetrycznym wszystkie momenty centralne nieparzystego rzędu równe są zero
11 Asymetria rozkładu zmienne losowe Zmienna losowa ma rozkład asymetryczny eśli nie istniee taka wartość a (taki punkt a, który spełnia warunki rozkładu symetrycznego. Ze względu na to, że w rozkładzie asymetrycznym momenty centralne rzędu nieparzystego są różne od zera, do określenia współczynnika asymetrii (skośności rozkładu wykorzystue się trzeci moment centralny µ 3, mianowicie γ D µ 3 ( 3 X Jeśli γ>0, asymetria rozkładu est dodatnia prawostronna (wydłużenie w kierunku dużych wartości Jeśli γ<0, asymetria rozkładu est uemna - lewostronna (wydłużenie w kierunku małych wartości
12 Wyznaczyćwskaźniki położenia zmienne X: wartośćoczekiwaną, modę, medianę, kwantylrzędu 0,75, Dla zmienne losowe, które funkca gęstości dana est wzorem f ( x x < x < 1 wprzeciwnymprzypadku E(X 7/12 Mo 1 Me obliczę z równania F(Me 1/2; Me 9/24 Q 3 F(Q 3 3/4 stąd Q 3 41/64
13 Zmienna losowa wielowymiarowa Dana est przestrzeń probabilistyczna (Ω, S, P i w te przestrzeni n zmiennych losowych X 1,X 2,...,X n Definica Uporządkowany układ n zmiennych losowych, oznaczony X (X 1,X 2,...,X n nazywamy wektorem losowym lub n -wymiarową zmienną losową, co oznacza, że każdemu zdarzeniu ω Ω przyporządkowano punkt przestrzeni euklidesowe R n FunkcęP X (A P({ω: X(ω A} nazywamy rozkładem prawdopodobieństwa wektora losowego X, a ego dystrybuanta est określona wzorem F X (x P(X 1 <x 1,X 2 <x 2,...,X n <x n
14 Przykłady Badamy trzy cechy człowieka : wiek, ω 1 [18,100] [lat] wzrost, ω 2 [140, 210][cm] waga, ω 3 [40,150][kg] ω (ω 1, ω 2, ω 3 Ω Zmienne losowe definiuę następuąco: X 1 ( ω ω 1 X 2 ( ω ω 2... X n ( ω ω n
15 Tablicowa reprezentaca dwuwymiarowego rozkładu zmienne losowe skokowe Yy 1 Y y 2 Y y 3 Y y 4 Y y 5 Y y 6 Rozkład brzegowy zmienne X X x 1 p 11 p 12 p 13 p 14 p 15 p 16 p 1. X x 2 p 21 p 22 p 23 p 24 p 25 p 26 p 2. X x 1 p3. p Rozkład brzegowy zmienne Y p p.2 p.3 p.4 p.5 p.6.1 1
16 Dwuwymiarowa zmienna losowa (para zmiennych typu skokowego Def. Dwuwymiarowa zmienna losowa est typu skokowego eśli przymue skończoną lub co nawyże przeliczaną liczbę wartości (x 1,y, (i,1,2,. odpowiednio z prawdopodobieństwami p i, Zachodzi przy tym warunek: (* p 1 i gdzie p i i ( X x, Y y ( i, 1,2,... P i Uwaga, w celu właściwe interpretaci wartości p i,, należy pamiętać, że zapis (Xx i,yy oznacza iloczyn zdarzeń Xx i i Yy
17 Niezależność zmiennych losowych typu skokowego Para (X, Y est dwuwymiarową zmienną losową typu skokowego, Zmienne X i Y nazywamy niezależnymi, eśli dla każde pary wartości (x i, y spełniony est warunek: P(Xx i,yy P(Xx i *P(Yy czyli p i p i. * p. Oznacza to, że zmienne losowe X i Y są niezależne eśli prawdopodobieństwa w łącznym rozkładzie tych zmiennych są równe iloczynowi odpowiednich prawdopodobieństw ich rozkładów brzegowych. Dla zmiennych niezależnych musi być spełniony warunek: pi P ( X xi Y y pi. P( X x p oraz pi P ( Y y X xi p. P( Y y p. i. i
18 Dystrybuanta dwuwymiarowe zmienne losowe Dystrybuantą dwuwymiarowe zmienne losowe nazywamy funkcę rzeczywistą określoną wzorem: dla zmienne losowe typu skokowego F ( x, y pi x i x y y dla zmienne losowe typu ciągłego (, (, (, F x y P X x Y y f u v dudv x y
19 Rozkład dwuwymiarowe zmienne losowe typu ciągłego Funkcą gęstości dwuwymiarowe zmienne losowe (X,Y typu ciągłego nazywamy funkcę rzeczywistą określoną wzorem:, ( f x, y lim x 0 y 0 o następuących własnościach: f ( x y, 0 dla x, y R ( < < +, < < + P x X x x y Y y y x y x2 y2 + ( f x, y d x d y 1 (, (, f x y dxdy P x < X x y < Y y x1 y
20 Dwuwymiarowy rozkład normalny Funkca gęstości dwuwymiarowego rozkładu normalnego N(µ1,µ2,σ1,σ2,ρ
21 Brzegowe funkce gęstości + ( ( f1 x f x, y dy; + ( (, f2 y f x y dx
22 Warunkowe funkce gęstości: ( / f x y (, ( y f x y f 2 ; ( / f y x f ( x, y ( x f 1
23 Niezależnośćdwuwymiarowych zmiennych losowych ciągłych Zmienne losowe X i Y typu ciągłego są niezależne, eśli dla dowolne pary liczb rzeczywistych (x,y zachodzi równość: ( x, y f ( x f ( y f 1 2
24 Momenty zwykłe dwuwymiarowe zmienne losowe Momentem zwykłym rzędu kl, dwuwymiarowe zmienne losowe (X, Y nazywamy wyrażenie m kl E ( k l X Y i x k y l x f i k y ( x, l p i y dxdy Na przykład ( XY E ( X E ( Y m m 11 E m
25 Parametry rozkładu dwuwymiarowe zmienne losowe typu skokowego Wartością oczekiwaną dwuwymiarowe zmienne losowe typu skokowego nazywamy wyrażenie: E ( X, Y E ( X E ( Y x i y p i i Wariancą dwuwymiarowe zmienne losowe typu skokowego nazywamy wyrażenie: D 2 ( [ ( ] 2 [ ( ] 2 X, Y E X E X Y E Y i 2 [ x E( X ] y E( Y i [ ] 2 pi
26 Momenty centralne dwuwymiarowe zmienne losowe Momentem centralnym rzędu k+l (k,l 0,1,2,... dwuwymiarowego rozkładu zmienne losowe (X,Y nazywamy wyrażenie µ i kl E ( x i ( x m k l ( X m ( Y m m k k 10 Wzór dla zmienne skokowe ( y Wzór dla zmienne ciągłe ( y m m l l 01 p i f ( x, y dxdy
27 Parametry dwuwymiarowych zmiennych losowych Kowarianca Def. Kowariancą zmienne losowe dwuwymiarowe (X,Y nazywamy wyrażenie: cov cov ( X, Y E ([ X E ( X ][ Y E ( Y ] ( X, Y cov xy µ 11 σ xy
28 Wzory na obliczanie kowarianci cov( dla zmienne losowe skokowe X, Y i dla zmienne losowe ciągłe [ x E ( X ] y E ( Y i [ ] p i σ xy + + ( x m ( y m f ( x dx dy dla danych empirycznych 1 n S ( x x ( y y xy i i n i 1 Jeśli zmienne X i Y są niezależne to cov(x,y0, Twierdzenie odwrotne w ogólności nie est prawdziwe x y
29 Parametry dwuwymiarowych zmiennych losowych Współczynnik korelaci liniowe ρ cov( D( X X, Y D( Y ρ µ 11 µ 02 µ 20
30 Współczynnik korelaci liniowe Współczynnik korelaci opisue siłę liniowego związku pomiędzy dwiema zmiennymi. Przymue on wartości z przedziału domkniętego <-1; 1>. Wartość -1 oznacza występowanie doskonałe korelaci uemne (to znaczy sytuacę, w które punkty leżą dokładnie na proste, skierowane w dół, a wartość 1 oznacza doskonałą korelacę dodatnią (punkty leżą dokładnie na proste, skierowane w górę. Wartość 0 oznacza brak korelaci liniowe
31 Przykłady układów punktów przy różnych wartościach współczynnika korelaci liniowe
32 Analiza rozkładu łącznego zmienne dwuwymiarowe (X,Y Y pęknięcie Y zgorzelina Y mat.pow Y wżery Y skaza Y inne Rozkład zmienne X X duże X średnie X małe Rozkład zmienne Y Rozkłady brzegowe zmiennych losowych Y i X
33 Analiza rozkładu łącznego (JPD zmienne dwuwymiarowe (X,Y Na podstawie tablicy JPD można obliczać prawdopodobieństwa dowolnych zdarzeń losowych (każde zdarzenie est sumą zdarzeń elementarnych/atomowych W wierszu oraz kolumnie i tabeli JPD, znadue się prawdopodobieństwo zdarzenia atomowego polegaącego na ednoczesnym przyęciu wartości y i przez zmienną Y oraz wartości x przez zmienną X, np. P(X średnia,y skaza W ostatnim wierszu tabeli nr 1 zamieszczono rozkład zmienne Y, który uzyskue się w wyniku sumowania wartości pól w kolumnach, W ostatnie kolumnie zamieszczono rozkład zmienne X, uzyskany w wyniku sumowania wartości pól w wierszach, są to rozkłady brzegowe zmienne (X,Y. Suma prawdopodobieństw wszystkich zdarzeń atomowych wynosi 1 (est to warunek konieczny, wynikaący z definici rozkładu prawdopodobieństw
34 Zastosowania tablicowe reprezentaci JPD Prawdopodobieństwo zdarzenia polegaącego na tym, że wylosowano wyrób ze skazą lub akąkolwiek małą wadą (Y skaza lub X mała można obliczyć z tabeli JPD dodaąc wszystkie wartości w kolumnie Y skaza i wierszu X mała, licząc zawartość pola na przecięciu kolumny skaza i wiersza mała tylko eden raz Wynik ten est taki sam ak dla prawdopodobieństwa sumy zdarzeń (X Y, bo: P (X Y P(X + P(Y P(X,Y
35 Prawdopodobieństwo warunkowe Prawdopodobieństwo łączne Prawdopodobieństwa warunkowe można obliczyć korzystaąc z tablicy JPD, np. P(pęknięcie/małe P(pęknięcie,małe : P(małe 0,1 : 0,41 0,244 P(małe/pęknięcie P(pęknięcie,małe :P(pęknięcie 0,1: 0,25 0,4 Prawdopodobieństwo łączne: P(A,B P(A B P(A/B * P(B
36 Zadanie Dany est rozkład zmienne losowe (X,Y X Y ,2 0, ,1 0,2 0,3 1. Znaleźć rozkłady brzegowe i obliczyć E(X i D(X. 2. Wyznaczyć rozkład warunkowy P(X/Y1 i obliczyć wartość oczekiwaną w tym rozkładzie. 3. O czym świadczy porównanie wyników E(X i E(X/Y1?
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 szczegółowoRachunek Prawdopodobieństwa i Statystyka
Rachunek Prawdopodobieństwa i Statystyka W 2. Probabilistyczne modele danych Zmienne losowe. Rozkład prawdopodobieństwa i dystrybuanta. Wartość oczekiwana i wariancja zmiennej losowej Dr Anna ADRIAN Zmienne
Bardziej szczegółowoZmienne 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 szczegółowoZmienne 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 szczegółowoZmienne losowe. Statystyka w 3
Zmienne losowe Statystyka w Zmienna losowa Zmienna losowa jest funkcją, w której każdej wartości R odpowiada pewien podzbiór zbioru będący zdarzeniem losowym. Zmienna losowa powstaje poprzez przyporządkowanie
Bardziej szczegółowoRozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład
Rozdział 1 Wektory losowe 1.1 Wektor losowy i jego rozkład Definicja 1 Wektor X = (X 1,..., X n ), którego każda współrzędna jest zmienną losową, nazywamy n-wymiarowym wektorem losowym (krótko wektorem
Bardziej szczegółowoZmienne losowe. Rozkład prawdopodobieństwa i dystrybuanta. Wartość oczekiwana i wariancja zmiennej losowej
Statystyka i opracowanie danych Probabilistyczne modele danych Zmienne losowe. Rozkład prawdopodobieństwa i dystrybuanta. Wartość oczekiwana i wariancja zmiennej losowej Dr Anna ADRIAN Zmienne losowe Zmienna
Bardziej szczegółowoWykład 3 Jednowymiarowe zmienne losowe
Wykład 3 Jednowymiarowe zmienne losowe Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną Definicja 1 Jednowymiarowa zmienna losowa (o wartościach rzeczywistych), określoną na przestrzeni probabilistycznej
Bardziej szczegółowoModelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski
Modelowanie zależności pomiędzy zmiennymi losowymi Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski P Zmienne losowe niezależne - przypomnienie Dwie rzeczywiste zmienne losowe X i Y
Bardziej szczegółowoRozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej
Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Zbiór możliwych wyników eksperymentu będziemy nazywać przestrzenią zdarzeń elementarnych i oznaczać Ω, natomiast
Bardziej szczegółowoPrzykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych
Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Niech Ω będzie przestrzenią zdarzeń elementarnych. Definicja 1 Rodzinę S zdarzeń losowych (zbiór S podzbiorów zbioru
Bardziej szczegółowoZmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014
Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014 Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe
Bardziej szczegółowoStatystyka. Wydział Zarządzania Uniwersytetu Łódzkiego
Statystyka Wydział Zarządzania Uniwersytetu Łódzkiego 2017 Zmienna losowa i jej rozkład Mając daną przestrzeń probabilistyczną, czyli parę (&, P) stanowiącą model pewnego doświadczenia losowego (gdzie
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3.
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3. ZMIENNA LOSOWA JEDNOWYMIAROWA. Zmienną losową X nazywamy funkcję (praktycznie każdą) przyporządkowującą zdarzeniom elementarnym liczby rzeczywiste. X : Ω R (dokładniej:
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład IV: 27 października 2014 Współczynnik korelacji Brak korelacji a niezależność Definicja współczynnika korelacji Współczynnikiem korelacji całkowalnych z kwadratem zmiennych losowych X i Y nazywamy
Bardziej szczegółowo1 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 szczegółowoW rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:
W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: Zmienne losowe skokowe (dyskretne) przyjmujące co najwyżej przeliczalnie wiele wartości Zmienne losowe ciągłe
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka
Rachunek prawdopodobieństwa i statystyka Współczynnik zmienności Klasycznym współczynnikiem (wskaźnikiem) zmienności zmiennej losowej X nazywamy wyrażenie gdzie E(X) 0. v k z (X) = D(X) E(X), Klasyczny
Bardziej szczegółowoRozkłady prawdopodobieństwa zmiennych losowych
Rozkłady prawdopodobieństwa zmiennych losowych Rozkład dwumianowy Rozkład normalny Marta Zalewska Zmienna losowa dyskretna (skokowa) jest to zmienna, której zbór wartości jest skończony lub przeliczalny.
Bardziej szczegółowoStatystyka 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 szczegółowoElementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa
Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący
Bardziej szczegółowoWYKŁAD 2. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady
WYKŁAD 2 Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady Metody statystyczne metody opisu metody wnioskowania statystycznego syntetyczny liczbowy opis właściwości zbioru danych ocena
Bardziej szczegółowoMETODY BADAŃ NA ZWIERZĘTACH ze STATYSTYKĄ wykład 3-4. Parametry i wybrane rozkłady zmiennych losowych
METODY BADAŃ NA ZWIERZĘTACH ze STATYSTYKĄ wykład - Parametry i wybrane rozkłady zmiennych losowych Parametry zmiennej losowej EX wartość oczekiwana D X wariancja DX odchylenie standardowe inne, np. kwantyle,
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka
Rachunek prawdopodobieństwa i statystyka Momenty Zmienna losowa jest wystarczająco dokładnie opisana przez jej rozkład prawdopodobieństwa. Względy praktyczne dyktują jednak potrzebę znalezienia charakterystyk
Bardziej szczegółowoJeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.
Wykład 4 Rozkłady i ich dystrybuanty Dwa typy zmiennych losowych Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x, x 2,...}, to mówimy, że jest to zmienna dyskretna.
Bardziej szczegółowoPrzestrzeń probabilistyczna
Przestrzeń probabilistyczna (Ω, Σ, P) Ω pewien niepusty zbiór Σ rodzina podzbiorów tego zbioru P funkcja określona na Σ, zwana prawdopodobieństwem. Przestrzeń probabilistyczna (Ω, Σ, P) Ω pewien niepusty
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa analiza danych doświadczalnych Wykład 3 11.03.2016 dr inż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Wykłady z poprzednich lat (dr inż. H. Zbroszczyk): http://www.if.pw.edu.pl/~gos/student
Bardziej szczegółowoPrawdopodobieństwo 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 szczegółowoWybrane rozkłady zmiennych losowych. Statystyka
Wybrane rozkłady zmiennych losowych Statystyka Rozkład dwupunktowy Zmienna losowa przyjmuje tylko dwie wartości: wartość 1 z prawdopodobieństwem p i wartość 0 z prawdopodobieństwem 1- p x i p i 0 1-p 1
Bardziej szczegółowoWybrane rozkłady zmiennych losowych. Statystyka
Wybrane rozkłady zmiennych losowych Statystyka Rozkład dwupunktowy Zmienna losowa przyjmuje tylko dwie wartości: wartość 1 z prawdopodobieństwem p i wartość 0 z prawdopodobieństwem 1- p x i p i 0 1-p 1
Bardziej szczegółowoLiteratura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.
Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej
Bardziej szczegółowoStatystyka. Magdalena Jakubek. kwiecień 2017
Statystyka Magdalena Jakubek kwiecień 2017 1 Nauka nie stara się wyjaśniać, a nawet niemal nie stara się interpretować, zajmuje się ona głównie budową modeli. Model rozumiany jest jako matematyczny twór,
Bardziej szczegółowo1 Podstawy rachunku prawdopodobieństwa
1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej
Bardziej szczegółowoRozkłady statystyk z próby
Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny
Bardziej szczegółowoRozkłady 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 szczegółowoRozkłady i ich dystrybuanty 16 marca F X (t) = P (X < t) 0, gdy t 0, F X (t) = 1, gdy t > c, 0, gdy t x 1, 1, gdy t > x 2,
Wykład 4. Rozkłady i ich dystrybuanty 6 marca 2007 Jak opisać cały rozkład jedną funkcją? Aby znać rozkład zmiennej X, musimy umieć obliczyć P (a < X < b) dla dowolnych a < b. W tym celu wystarczy znać
Bardziej szczegółowoStatystyka matematyczna
Statystyka matematyczna Wykład 6 Magdalena Alama-Bućko 8 kwietnia 019 Magdalena Alama-Bućko Statystyka matematyczna 8 kwietnia 019 1 / 1 Rozkłady ciagłe Magdalena Alama-Bućko Statystyka matematyczna 8
Bardziej szczegółowoWykład 2 Zmienne losowe i ich rozkłady
Wykład 2 Zmienne losowe i ich rozkłady Magdalena Frąszczak Wrocław, 11.10.2017r Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe Doświadczenie
Bardziej szczegółowoPrawdopodobieństwo 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 szczegółowoWykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa
Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa Marek Kubiak Instytut Informatyki Politechnika Poznańska Plan wykładu Podstawowe pojęcia rachunku prawdopodobieństwa Rozkład
Bardziej szczegółowoMatematyka z el. statystyki, # 3 /Geodezja i kartografia II/
Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Akademicka 15, p.211a bud. Agro II, e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoJednowymiarowa zmienna losowa
1 Jednowymiarowa zmienna losowa Przykład Doświadczenie losowe - rzut kostką do gry. Obserwujemy ilość wyrzuconych oczek. Teoretyczny model eksperymentu losowego - przestrzeń probabilistyczna (Ω, S, P ),
Bardziej szczegółowoZestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) =
Zestaw : Zmienne losowe. Które z poniższych funkcji są dystrybuantami? Odpowiedź uzasadnij. Wskazówka: naszkicuj wykres. 0, x 0,, x 0, F (x) = x, F (x) = x, 0 x
Bardziej szczegółowoZmienne losowe. Powtórzenie. Dariusz Uciński. Wykład 1. Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski
Powtórzenie Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski Wykład 1 Podręcznik podstawowy Jacek Koronacki, Jan Mielniczuk: Statystyka dla studentów kierunków technicznych i przyrodnicznych,
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych
Komputerowa analiza danych doświadczalnych Wykład 4.03.06 dr inż. Łukasz Graczykowski lgraczyk@if.pw.edu.pl Semestr letni 05/06 Zmienne losowe, jednowymiarowe rozkłady zmiennych losowych Pomiar jako zdarzenie
Bardziej szczegółowoBiostatystyka, # 3 /Weterynaria I/
Biostatystyka, # 3 /Weterynaria I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, p. 221 bud. CIW, e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoLista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie
Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Jarosław Kotowicz Instytut Matematyki Uniwersytet w
Bardziej szczegółowoWykład 1 Zmienne losowe, statystyki próbkowe - powtórzenie materiału
Wykład 1 Zmienne losowe, statystyki próbkowe - powtórzenie materiału Magdalena Frąszczak Wrocław, 22.02.2017r Zasady oceniania Ćwiczenia 2 kolokwia (20 punktów każde) 05.04.2017 oraz 31.05.2017 2 kartkówki
Bardziej szczegółowoPrawa wielkich liczb, centralne twierdzenia graniczne
, centralne twierdzenia graniczne Katedra matematyki i ekonomii matematycznej 17 maja 2012, centralne twierdzenia graniczne Rodzaje zbieżności ciągów zmiennych losowych, centralne twierdzenia graniczne
Bardziej szczegółowoIII. ZMIENNE LOSOWE JEDNOWYMIAROWE
III. ZMIENNE LOSOWE JEDNOWYMIAROWE.. Zmienna losowa i pojęcie rozkładu prawdopodobieństwa W dotychczas rozpatrywanych przykładach każdemu zdarzeniu była przyporządkowana odpowiednia wartość liczbowa. Ta
Bardziej szczegółowoRachunek Prawdopodobieństwa Rozdział 5. Rozkłady łączne
Rachunek Prawdopodobieństwa Rozdział 5. Rozkłady łączne 5.0 Definicje Katarzyna Rybarczyk-Krzywdzińska Wprowadzenie Przykład 1 Bolek, Lolek i Tola wstąpili do kasyna. (A) Bolek postawił na czerwone, (B)
Bardziej szczegółowozadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych
zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych 1. [E.A 5.10.1996/zad.4] Funkcja gęstości dana jest wzorem { 3 x + 2xy + 1 y dla (x y) (0 1) (0 1) 4 4 P (X > 1 2 Y > 1 2 ) wynosi:
Bardziej szczegółowoKURS 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 szczegółowoPojęcie przestrzeni probabilistycznej
Pojęcie przestrzeni probabilistycznej Definicja (przestrzeni probabilistycznej) Uporządkowany układ < Ω, S, P> nazywamy przestrzenią probabilistyczną jeśli (Ω) Ω jest niepustym zbiorem zwanym przestrzenia
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA
STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne
Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne 5.2. Momenty rozkładów łącznych. Katarzyna Rybarczyk-Krzywdzińska rozkładów wielowymiarowych Przypomnienie Jeśli X jest zmienną losową o rozkładzie
Bardziej szczegółowoRozkłady wielu zmiennych
Rozkłady wielu zmiennych Uogólnienie pojęć na rozkład wielu zmiennych Dystrybuanta, gęstość prawdopodobieństwa, rozkład brzegowy, wartości średnie i odchylenia standardowe, momenty Notacja macierzowa Macierz
Bardziej szczegółowoZmienne 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 szczegółowoSTATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa
STATYSTYKA MATEMATYCZNA rachunek prawdopodobieństwa treść Zdarzenia losowe pojęcie prawdopodobieństwa prawo wielkich liczb zmienne losowe rozkłady teoretyczne zmiennych losowych Zanim zajmiemy się wnioskowaniem
Bardziej szczegółowoKomputerowa analiza danych doświadczalnych. Wykład dr inż. Łukasz Graczykowski
Komputerowa analiza danych doświadczalnych Wykład 3 9.03.2018 dr inż. Łukasz Graczykowski lukasz.graczykowski@pw.edu.pl Semestr letni 2017/2018 Dwuwymiarowe rozkłady zmiennych losowych Jednoczesne pomiary
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 2013/2014 Wykład 3 Zmienna losowa i jej rozkłady Zdarzenia losowe Pojęcie prawdopodobieństwa
Bardziej szczegółowoElementy Rachunek prawdopodobieństwa
Elementy rachunku prawdopodobieństwa Rachunek prawdopodobieństwa zajmuje się analizą praw rządzących zdarzeniami losowymi Pojęciami pierwotnymi są: zdarzenie elementarne ω oraz zbiór zdarzeń elementarnych
Bardziej szczegółowoPEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA
PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA 1. Trójkę (Ω, F, P ), gdzie Ω, F jest σ-ciałem podzbiorów Ω, a P jest prawdopodobieństwem określonym na F, nazywamy przestrzenią probabilistyczną. 2. Rodzinę F
Bardziej szczegółowoCentralne twierdzenie graniczne
Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski Wykład 4 Ważne uzupełnienie Dwuwymiarowy rozkład normalny N (µ X, µ Y, σ X, σ Y, ρ): f XY (x, y) = 1 2πσ X σ Y 1 ρ 2 { [ (x ) 1
Bardziej szczegółowo= = 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 szczegółowoPODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek
PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Piotr Wiącek ROZKŁAD PRAWDOPODOBIEŃSTWA Jest to miara probabilistyczna określona na σ-ciele podzbiorów borelowskich pewnej przestrzeni metrycznej. σ-ciało podzbiorów
Bardziej szczegółowoW2 Podstawy rachunku prawdopodobieństwa (przypomnienie)
W2 Podstawy rachunku prawdopodobieństwa (przypomnienie) Henryk Maciejewski Jacek Jarnicki Marek Woda www.zsk.iiar.pwr.edu.pl Rachunek prawdopodobieństwa - przypomnienie 1. Zdarzenia 2. Prawdopodobieństwo
Bardziej szczegółowoWykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy
Wykład Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy Zbiorowość statystyczna - zbiór elementów lub wyników jakiegoś procesu powiązanych ze sobą logicznie (tzn. posiadających wspólne cechy
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka
Rachunek prawdopodobieństwa i statystyka Przestrzeń probabilistyczna Niech Ω będzie dowolnym zbiorem, zwanym przestrzenią zdarzeń elementarnych. Elementy ω tej przestrzeni nazywamy zdarzeniami elementarnymi.
Bardziej szczegółowoKwantyle. Kwantyl rzędu p rozkładu prawdopodobieństwa to taka liczba x p. , że. Możemy go obliczyć z dystrybuanty: P(X x p.
Kwantyle Kwantyl rzędu p rozkładu prawdopodobieństwa to taka liczba x p, że P(X x p ) p P(X x p ) 1 p Możemy go obliczyć z dystrybuanty: Jeżeli F(x p ) = p, to x p jest kwantylem rzędu p Jeżeli F(x p )
Bardziej szczegółowoWykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.
Rachunek prawdopodobieństwa MAT1332 Wydział Matematyki, Matematyka Stosowana Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów. Warunkowa
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoWykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap
Wykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap Magdalena Frąszczak Wrocław, 21.02.2018r Tematyka Wykładów: Próba i populacja. Estymacja parametrów z wykorzystaniem metody
Bardziej szczegółowoZadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k =
Matematyka ubezpieczeń majątkowych 0.0.006 r. Zadanie. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k 5 Pr( N = k) =, k = 0,,,... 6 6 Wartości kolejnych szkód Y, Y,, są i.i.d.,
Bardziej szczegółowoWykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe
Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Nierówność Czebyszewa Niech X będzie zmienną losową o skończonej wariancji V ar(x). Wtedy wartość oczekiwana E(X) też jest skończona i
Bardziej szczegółowoStatystyka opisowa- cd.
12.03.2017 Wydział Inżynierii Produkcji I Logistyki Statystyka opisowa- cd. Wykład 4 Dr inż. Adam Deptuła HISTOGRAM UNORMOWANY Pole słupka = wysokość słupka x długość przedziału Pole słupka = n i n h h,
Bardziej szczegółowoFunkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju
Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoWynik pomiaru jako zmienna losowa
Wynik pomiaru jako zmienna losowa Wynik pomiaru jako zmienna losowa Zmienne ciągłe i dyskretne Funkcja gęstości i dystrybuanta Wartość oczekiwana Momenty rozkładów Odchylenie standardowe Estymator zmiennej
Bardziej szczegółowoWYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty
WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 4 / 9 Przekształcenia zmiennej losowej X
Bardziej szczegółowoLista 6. Kamil Matuszewski 13 kwietnia D n =
Lista 6 Kamil Matuszewski 3 kwietnia 6 3 4 5 6 7 8 9 Zadanie Mamy Pokaż, że det(d n ) = n.... D n =.... Dowód. Okej. Dla n =, n = trywialne. Załóżmy, że dla n jest ok, sprawdzę dla n. Aby to zrobić skorzystam
Bardziej szczegółowoStatystyka 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 szczegółowoSzkice do zajęć z Przedmiotu Wyrównawczego
Szkice do zajęć z Przedmiotu Wyrównawczego Matematyka Finansowa sem. letni 2011/2012 Spis treści Zajęcia 1 3 1.1 Przestrzeń probabilistyczna................................. 3 1.2 Prawdopodobieństwo warunkowe..............................
Bardziej szczegółowoRozkłady zmiennych losowych
Rozkłady zmiennych losowych Wprowadzenie Badamy pewną zbiorowość czyli populację pod względem występowania jakiejś cechy. Pobieramy próbę i na podstawie tej próby wyznaczamy pewne charakterystyki. Jeśli
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoWażne rozkłady i twierdzenia
Ważne rozkłady i twierdzenia Rozkład dwumianowy i wielomianowy Częstość. Prawo wielkich liczb Rozkład hipergeometryczny Rozkład Poissona Rozkład normalny i rozkład Gaussa Centralne twierdzenie graniczne
Bardziej szczegółowoStatystyka matematyczna. Wykład III. Estymacja przedziałowa
Statystyka matematyczna. Wykład III. e-mail:e.kozlovski@pollub.pl Spis treści Rozkłady zmiennych losowych 1 Rozkłady zmiennych losowych Rozkład χ 2 Rozkład t-studenta Rozkład Fischera 2 Przedziały ufności
Bardziej szczegółowoCałka podwójna po prostokącie
Całka podwójna po prostokącie Rozważmy prostokąt = {(x, y) R : a x b, c y d}, gdzie a, b, c, d R, oraz funkcję dwóch zmiennych f : R ograniczoną w tym prostokącie. rostokąt dzielimy na n prostokątów i
Bardziej szczegółowoZ 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 szczegółowoPrawdopodobieństwo i statystyka
Wykład XIV: Metody Monte Carlo 19 stycznia 2016 Przybliżone obliczanie całki oznaczonej Rozważmy całkowalną funkcję f : [0, 1] R. Chcemy znaleźć przybliżoną wartość liczbową całki 1 f (x) dx. 0 Jeden ze
Bardziej szczegółowoRachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 3
Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 3 Przygotowując wykład korzystam głównie z książki Jakubowski, Sztencel Wstęp do teorii prawdopodobieństwa. Zmienna losowa i jej
Bardziej szczegółowoZmienne losowe. dr Mariusz Grzadziel. rok akademicki 2016/2017 semestr letni. Katedra Matematyki, Uniwersytet Przyrodniczy we Wrocławiu
Zmienne losowe dr Mariusz Grzadziel Katedra Matematyki, Uniwersytet Przyrodniczy we Wrocławiu rok akademicki 2016/2017 semestr letni Definicja 1 Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór
Bardziej szczegółowoWYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa
WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 2 i 3 1 / 19 Zmienna losowa Definicja Dana jest przestrzeń probabilistyczna
Bardziej szczegółowoWykład 3 Momenty zmiennych losowych.
Wykład 3 Momenty zmiennych losowych. Wrocław, 19 października 2016r Momenty zmiennych losowych Wartość oczekiwana - przypomnienie Definicja 3.1: 1 Niech X będzie daną zmienną losową. Jeżeli X jest zmienną
Bardziej szczegółowoZmienne losowe. dr Mariusz Grządziel Wykład 12; 20 maja 2014
Zmienne losowe dr Mariusz Grządziel Wykład 2; 20 maja 204 Definicja. Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x, x 2,..., można ustawić w ciag. Zmienna losowa X, która przyjmuje
Bardziej szczegółowoWykład 3 Momenty zmiennych losowych.
Wykład 3 Momenty zmiennych losowych. Wrocław, 18 października 2017r Momenty zmiennych losowych Wartość oczekiwana - przypomnienie Definicja 3.1: 1 Niech X będzie daną zmienną losową. Jeżeli X jest zmienną
Bardziej szczegółowoStatystyka i eksploracja danych
Projekt pn. Wzmocnienie potencjału dydaktycznego UMK w Toruniu w dziedzinach matematyczno-przyrodniczych realizowany w ramach Poddziałania 4.1.1 Programu Operacyjnego Kapitał Ludzki Statystyka i eksploracja
Bardziej szczegółowoAkademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki
Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Przetwarzanie Sygnałów Studia Podyplomowe, Automatyka i Robotyka. Wstęp teoretyczny Zmienne losowe Zmienne losowe
Bardziej szczegółowoInteligentna analiza danych
Numer indeksu 150946 Michał Moroz Imię i nazwisko Numer indeksu 150875 Grzegorz Graczyk Imię i nazwisko kierunek: Informatyka rok akademicki: 2010/2011 Inteligentna analiza danych Ćwiczenie I Wskaźniki
Bardziej szczegółowoWskaźnik asymetrii Jeżeli: rozkład jest symetryczny, to = 0, rozkład jest asymetryczny lewostronnie, to < 0. Kwartylowy wskaźnik asymetrii
Miary asymetrii Miary asymetrii (skośności) określają kierunek rozkładu cech zmiennych w zbiorowości (rozkład może być symetryczny lub asymetryczny lewostronnie lub prawostronnie) oraz stopień odchylenia
Bardziej szczegółowoMatematyka stosowana i metody numeryczne
Adam Wosatko Magdalena Jakubek Piotr Pluciński Matematyka stosowana i metody numeryczne Konspekt z wykładu 4 Podstawy statystyki 4. Wstęp Statystyka nauka o metodach badań właściwości populacji (zbiorowości),
Bardziej szczegółowo