FUNKCJE ZMIENNYCH LOSOWYCH MO LIWO CI REDUKCJI MODELI STOCHASTYCZNYCH. 1. Wprowadzenie. Ryszard Snopkowski*
|
|
- Dominika Małecka
- 7 lat temu
- Przeglądów:
Transkrypt
1 Górnictwo i Geoinynieria Rok 9 Zeszyt Ryszard Snopkowski* FUNKCJE ZMIENNYCH LOSOWYCH MOLIWOCI REDUKCJI MODELI STOCHASTYCZNYCH. CZ II. Wprowadzenie Niniejsza praca stanowi cz drug publikacji [8]. W czci pierwszej omówiono funkcje zmiennych losowych o nastpujcych rozkadach: beta, chi-kwadrat, Cauchy ego, F-Snedecora, gamma, jednostajny. Ta cz publikacji zawiera omówienie funkcji zmiennych losowych o rozkadach: normalnym, lognormalnym, t-studenta oraz wykadniczym. Wprowadzenie do zagadnienia jest analogiczne jak w czci pierwszej publikacji, gdy obie czci dotycz tego samego zagadnienia moliwoci redukcji modeli stochastycznych. Metoda symulacji stochastycznej wykorzystywana jest do komputerowego modelowania dowolnych procesów (fizycznych, ekonomicznych, technologicznych itp.) lub ich fragmentów, których cech charakterystyczn jest wystpowanie w ich opisie co najmniej jednej zmiennej losowej. Metod po raz pierwszy zastosowano w trakcie bada w ramach projektu Manhattan, majcych na celu budow amerykaskiej bomby atomowej. Opracowany wówczas model stochastyczny dotyczy analizy propagacji neutronów w reaktorze jdrowym. Opracowali go wspólnie John von Neumann oraz polski matematyk Adam Ulman. Metoda symulacji stochastycznej wykorzystywana jest z powodzeniem take wspóczenie. Moliwoci tworzenia zoonych modeli stochastycznych, ich zapis w postaci programu komputerowego w jzyku zorientowanym na rozwizywanie tego typu zagad- * Wydzia Górnictwa i Geoinynierii, Akademia Górniczo-Hutnicza, Kraków 5
2 nie, a take wci szybsze komputery to wszystko stanowi o czstym wyborze symulacji stochastycznej, jako metody rozwizywania zagadnie opisywanych modelami o charakterze niezdeterminowanym. Biorc pod uwag charakter procesów górniczych, take udzia wielu czynników niezdeterminowanych w ich przebiegu, uzasadnione jest stosowanie tej metody take w górnictwie. W pracy [0] opisano model stochastyczny procesu produkcyjnego realizowanego w przodku cianowym kopalni wgla kamiennego. Wystpujce w modelu zmienne losowe s charakteryzowane odpowiednimi funkcjami gstoci prawdopodobiestwa. Niejednokrotnie, wystpujce zalenoci funkcyjne midzy zmiennymi losowymi mog by zastpione jedn funkcj gstoci prawdopodobiestwa (tzw. rozkadem wynikowym), co powoduje, i opracowany model stochastyczny analizowanego procesu ulega uproszczeniu. W dalszej czci przedstawiono funkcje zmiennych losowych, których wykorzystanie umoliwia uzyskanie rozkadów wynikowych, wród których znalaz si rozkad normalny, lognormalny, t-studenta oraz wykadniczy. Charakterystyka kadego rozkadu wynikowego zawiera ponadto wzór funkcji gstoci prawdopodobiestwa, przykadowy wykres rozkadu, a take przykady zmiennych losowych opisywanych danym rozkadem.. Rozkady wynikowe, funkcje zmiennych losowych.. Rozkad wynikowy normalny Rozkad normalny naley do rozkadów, które czsto wykorzystywane s w modelach stochastycznych. Ze wzgldu na osob jego odkrywcy, która nie jest powszechnie znana (z rozkadem kojarzeni s raczej Gauss oraz Laplace), przedstawiono poniej krótk histori jego odkrycia. listopada 733 roku francuski matematyk Abraham de Moivre ( ) opublikowa broszur, w której przedstawi zbieno rozkadu dwumianowego do rozkadu normalnego, gdy n ronie (zbieno t zilustrowano graficznie na rys. ), a take poda wzór na funkcj gstoci prawdopodobiestwa rozkadu normalnego. Abraham de Moivre by czonkiem The Royal Society, nauczycielem matematyki oraz doradc uczestników gier losowych w karczmach. Autorstwo rozkadu normalnego przypisano jednak dwóm innym naukowcom. Byli to Pieerre Simon de Laplace (749 87) oraz Carl Friedrich Gauss ( ), którzy prawie cay wiek póniej, w sposób niezaleny od siebie, zaczli posugiwa si tym rozkadem. Dopiero w roku 94 angielski statystyk Karl Pearson przypadkowo trafi na publikacj de Moivre a z 733 roku. W tym samym roku, w czasopimie Biometrika [6] Pearson poda do wiadomoci, e odkrywc rozkadu normalnego by Abraham de Moivre. Rozkad normalny by kiedy nazywany prawem (rozkadem) bdów (por. [6]). 5
3 Rys.. Zbieno rozkadu dwumianowego do rozkadu normalnego, gdy n ronie ródo: opracowanie wasne Funkcja gstoci prawdopodobiestwa rozkadu normalnego (rys. ) okrelona jest wzorem ( x) f( x) e () dla: 0ix gdzie: μ warto oczekiwana zmiennej losowej X, δ odchylenie standardowe zmiennej losowej X. Posta rozkadu po standaryzacji wyraaj wzory: f ( z) e z () Z X (3) 53
4 Rys.. Przykadowy wykres rozkadu normalnego ródo: opracowanie wasne Przykady zmiennych losowych (lub procesów), do których opisu wykorzystuje si rozkad normalny Rozkad normalny jest modelem dla losowych bdów pomiarów. Jeeli bd pomiaru jest sum wielu losowych bdów (zarówno dodatnich, jak i ujemnych), to ich suma ma rozkad bliski rozkadowi normalnemu. Stwierdzenie to wynika z tzw. centralnego twierdzenia granicznego, którego jedna z wersji brzmi: Suma duej iloci niezalenych zmiennych losowych ma w przyblieniu (asymptotycznie) rozkad normalny. Wiele zjawisk fizycznych moe by opisanych rozkadem normalnym, mimo e dziedzina funkcji gstoci prawdopodobiestwa rozkadu to przedzia od minus do plus nieskoczonoci. Przykad rozwizania, polegajcego na modelowaniu rozkadem normalnym zmiennej losowej opisanej na przedziale skoczonym, zamieszczono w publikacji autora [9]. Rozwizanie polega na zastosowaniu operacji obustronnego symetrycznego ucicia rozkadu (ucicie moe by oczywicie niesymetryczne, jak równie jednostronne, prawo- lub lewostronne), tak by by on opisany na przedziale skoczonym, wydzielonym z obszaru liczb rzeczywistych dodatnich. Jeli zaoymy, e przedzia ten zawiera si bdzie w granicach od do oraz oznaczymy funkcj gstoci rozkadu normalnego opisanego na przedziale od minus do plus nieskoczonoci jako f x, wówczas gsto g x rozkadu ucitego dwustronnie bdzie mona wyznaczy z zalenoci g x F f x F gdzie F oraz F s wartociami dystrybuanty F x w punktach oraz. (4) 54
5 Na rysunku 3 zamieszczono przykad funkcji g x, opisanej na przedziale,. Rys. 3. Funkcja gstoci g ( x) rozkadu normalnego dwustronnie ucitego ródo: opracowanie wasne Funkcje zmiennych losowych, których rozkadem wynikowym jest rozkad normalny [3, 5] Jeli X, X,..., Xn s niezalenymi zmiennymi losowymi o rozkadach normalnych odpowiednio N,, N,,..., Nn, n oraz a, a,..., an s dowolnymi liczbami, to zmienna losowa ax ax... anxn ma rozkad normalny N,, gdzie aa... annoraz a a a n n.... Jeli X jest zmienn losow o rozkadzie normalnym N Y ax bdla a 0 ma rozkad normalny Nab, a.,, to zmienna losowa N gdzie... n oraz... n. Jeli X, X,..., Xn s niezalenymi zmiennymi losowymi o rozkadzie normalnym o parametrach, ;,,..., n, n, to zmienna losowa X X... Xn ma rozkad normalny,, 55
6 Jeli X jest redni arytmetyczn niezalenych zmiennych losowych o rozkadzie normalnym N, zmiennych losowychy Y Y o rozkadzie normalnym N,, to zmienna losowa X Y,,..., n ma rozkad normalny N,. n n X, X,..., Xn oraz jeliy jest redni arytmetyczn niezalenych Jeli X oraz Y s niezalenymi zmiennymi losowymi o rozkadzie jednostajnym na przedziale (0,), to zmienne losowet ln X cosy oraz Z ln X siny s niezalenymi zmiennymi losowymi o rozkadzie normalnym N(0,)... Rozkad wynikowy logarytmiczno-normalny (lognormalny) Tak jak rozkad normalny jest rozkadem sum wielu czynników losowych (model sum), tak rozkad logarytmiczno-normalny (lognormalny) jest okrelany mianem modelu iloczynów. Modelem iloczynów mona wyjani zjawisko rozdrabniania kruszywa lub transport osadów w rzece. W procesach tych kocowa wielko ziarna zaley od liczby wczeniejszych zderze z innymi ziarnami, przy czym kade zderzenie zmniejsza proporcjonalnie rozmiar ziarna. Oznaczajc kocowy rozmiar ziarna jako X, rozmiar pocztkowy ziarna jako X 0, mona zapisa X X... 0WW Wn (5) gdziew, W,..., Wn s losowymi czynnikami powodujcymi zmniejszanie si wymiaru ziarna w trakcie kolejnych zderze (s to zmienne losowe). Logarytm obu stron równania jest nastpujcy ln X ln X lnw ln W... lnw n (6) 0 Czynniki W, W,..., W n s zmiennymi losowymi, a poniewa ich logarytmy s take zmiennymi losowymi, std na podstawie centralnego twierdzenia granicznego mona wnioskowa, e suma tych zmiennych bdzie miaa w przyblieniu rozkad normalny. OznaczajcY lnx oraz wiedzc, e Y ma rozkad normalny N,, mona wyznaczy rozkad zmiennej X jako X e Y. Zmienna losowa X, której logarytm naturalny podlega rozkadowi normalnemu, ma rozkad logarytmiczno-normalny (lognormalny), o funkcji gstoci (dla x > 0) (rys. 4) ln x f( x) e (7) x 56
7 Rys. 4. Przykadowy wykres rozkadu logarytmiczno-normalnego (lognormalnego) ródo: opracowanie wasne Przykady zmiennych losowych (lub procesów), do których opisu wykorzystuje si rozkad logarytmiczno-normalny (lognormalny) Rozkad logarytmiczno-normalny stosuje si: w procesie rozdrabniania kruszywa, a take w procesie transportu osadów w rzece; w badaniach ekonomicznych, w których wystpuj zmienne o wartociach dodatnich rozoone asymetrycznie w taki sposób, e wartoci mniejsze od dominanty s bardziej skupione, natomiast wartoci wiksze do dominanty s bardziej rozproszone; w tych przypadkach, w których stosuje si rozkad Pareto; w modelowaniu procesów zmczeniowych. Funkcje zmiennych losowych, których rozkadem wynikowym jest rozkad logarytmiczno-normalny (lognormalny) [] Jeli zmienna losowa Y ma rozkad normalny N Y e ma rozkad logarytmiczno-normalny (lognormalny).,, to zmienna losowa X.3. Rozkad wynikowy t-studenta Autorem rozkadu t-studenta (rys. 5) jest statystyk angielski W. Gosset publikujcy pod pseudonimem Student. 57
8 Rys. 5. Przykadowy wykres rozkadu t-studenta ródo: opracowanie wasne Dla maych prób (n 30) Gosset stwierdzi, e dla cigu X, X,..., Xn niezalenych zmiennych losowych, z których kada posiada rozkad N,, ich rednia X posiada równie rozkad normalny, zmienna losowa T postaci n T X (8) S gdzie S oznacza odchylenie standardowe cigu X n, ma funkcje gstoci rozkadu t-studenta k k / t f t k k (9) k gdzie k oznacza liczb stopni swobody k n. Przykady zmiennych losowych (lub procesów), do których opisu wykorzystuje si rozkad t- Studenta Rozkad t-studenta wykorzystuje si: jako model opisu wytrzymaoci konstrukcji montaowych; 58
9 do opisu zmiennych losowych, które z wikszym prawdopodobiestwem ni zmienne normalne przybieraj wartoci nietypowe, odbiegajce od redniej (rozkad t-studenta ma grubsze ogony ). Funkcje zmiennych losowych, których rozkadem wynikowym jest rozkad t-studenta [] Jeli X oraz Y s niezalenymi zmiennymi losowymi, X o rozkadzie normalnym N(0,), Y o rozkadzie chi-kwadrat o n stopniach swobody, to zmienna losowa Z X Y (0) n ma rozkad t-studenta o n stopniach swobody..4. Rozkad wynikowy wykadniczy Rozkad wykadniczy jest cigym odpowiednikiem rozkadu geometrycznego. Funkcja gstoci prawdopodobiestwa rozkadu wykadniczego (rys. 6) jest okrelona wzorem x e dla x 0 f( x) 0 dla x 0 () λ> 0 (λ intensywno uszkodze, redni czas midzy zdarzeniami). Rys. 6. Przykadowy wykres rozkadu wykadniczego ródo: opracowanie wasne 59
10 Przykady zmiennych losowych (lub procesów), do których opisu wykorzystuje si rozkad wykadniczy Rozkad wykadniczy wykorzystuje si: do opisu upywajcego czasu midzy pojazdami mijajcymi okrelony punkt na drodze; do opisu czasu trwania rozmowy telefonicznej; do opisu czasu wykonywania okrelonej operacji na obrabiarce; do opisu czasu midzy kolejnymi powodziami; w teorii masowej obsugi, jako rozkad interwaów czasu midzy zgoszeniami [4]; w teorii niezawodnoci (trwao elementów elektronicznych, mechanicznych); stosowanie rozkadu ma uzasadnienie wtedy, gdy pojawiajce si uszkodzenia maj charakter awarii wystpujcych na skutek zadziaania przyczyn zewntrznych pojawiajcych si przypadkowo i ze staym nateniem. Funkcje zmiennych losowych, których rozkadem wynikowym jest rozkad wykadniczy [3] Jeli X jest zmienn losow o rozkadzie jednostajnym na przedziale (0,), to zmienna losoway ln X ma rozkad wykadniczy z parametrem. 3. Wnioski kocowe W celu badania i analizy zjawisk i procesów rzeczywistych (ekonomicznych, technicznych, take z zakresu górnictwa np. [0]), tworzone s modele stochastyczne. Wystpujce w tych modelach zmienne losowe, opisywane s odpowiednimi rozkadami prawdopodobiestwa. Niejednokrotnie w modelach tych wystpuj take zalenoci funkcyjne midzy zmiennymi losowymi. Zamieszczone i omówione w obu czciach publikacji funkcje zmiennych losowych wraz z opisem ich rozkadów (przyjto tu termin rozkady wynikowe ), mog zosta wykorzystane w celu uproszczenia tworzonego modelu stochastycznego lub jego fragmentu. W ten sposób przeprowadzona redukcja modelu ma korzystny wpyw na dalsze etapy jego wykorzystania, a wic upraszcza zapis w postaci programu komputerowego i skraca sam proces symulacji stochastycznej. LITERATURA [] Aczel Amir D.: Statystyka w zarzdzaniu. Wydawnictwo Naukowe PWN, Warszawa 000 (dane oryginau: Complete Business Statistics Richard D. Irwin Inc., Boston Sydney, 993) [] Brandt S.: Analiza danych. Wydawnictwo Naukowe PWN, Warszawa 998, (dane oryginau: Statistical and Computational Methods in Data Analysis Springer Verlag New York 997) 60
11 [3] Klonecki W.: Statystyka dla inynierów. Wydawnictwo Naukowe PWN, Warszawa Wrocaw 999 [4] Morse P.M.: Queues, Inventories and Maintenance. New York, Wiley, 958 [5] Pacut A.: Prawdopodobiestwo, teoria, modelowanie probabilistyczna w technice. Wydawnictwo Naukowo- -Techniczne, Warszawa 985 [6] Pearson K.: Historical Note on the Origin of the Normal Curve of Errors. Biometrika, 94, nr XVI, [7] Pawowski Z.: Statystyka matematyczna. Pastwowe Wydawnictwo Naukowe, Warszawa 980 [8] Snopkowski R.: Funkcje zmiennych losowych moliwoci redukcji modeli stochastycznych (cz I). Górnictwo i Geoinynieria, z., Kraków 005 [9] Snopkowski R.: Wskaniki efektywnoci ukadu kombajn obudowa przenonik. Konferencja pn. Szkoa Ekonomiki i Zarzdzania w Górnictwie AGH, Komitet Górnictwa PAN, Krynica 004 [0] Snopkowski R.: Metoda identyfikacji rozkadu prawdopodobiestwa wydobycia uzyskiwanego z przodków cianowych kopal wgla kamiennego. Wydawnictwa AGH, Rozprawy i Monografie, nr 85, Kraków 000 [] Zeigler B.: Teoria modelowania i symulacji. Pastwowe Wydawnictwo Naukowe, Warszawa 984 6
Biostatystyka, # 4 /Weterynaria I/
Biostatystyka, # 4 /Weterynaria I/ dr n. mat. Zdzisªaw Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowa«Matematyki i Informatyki ul. Gª boka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoFUNKCJE ZMIENNYCH LOSOWYCH MO LIWOŒCI REDUKCJI MODELI STOCHASTYCZNYCH. CZÊŒÆ I
Górnictwo i Geoin ynieria Rok 9 Zeszyt 005 Ryszard Snopkowski* FUNKCJE ZMIENNYCH LOSOWYCH MO LIWOŒCI REDUKCJI MODELI STOCHASTYCZNYCH. CZÊŒÆ I. Wprowadzenie Metoda symulacji stochastycznej wykorzystywana
Bardziej szczegółowoElementy Modelowania Matematycznego Wykªad 1 Prawdopodobie«stwo
Spis tre±ci Elementy Modelowania Matematycznego Wykªad 1 Prawdopodobie«stwo Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis tre±ci Spis tre±ci 1 2 3 4 5 Spis tre±ci Spis tre±ci 1 2 3 4
Bardziej szczegółowoSYMULACJA STOCHASTYCZNA W ZASTOSOWANIU DO IDENTYFIKACJI FUNKCJI GÊSTOŒCI PRAWDOPODOBIEÑSTWA WYDOBYCIA
Górnictwo i Geoin ynieria Rok 29 Zeszyt 4 2005 Ryszard Snopkowski* SYMULACJA STOCHASTYCZNA W ZASTOSOWANIU DO IDENTYFIKACJI FUNKCJI GÊSTOŒCI PRAWDOPODOBIEÑSTWA WYDOBYCIA 1. Wprowadzenie W monografii autora
Bardziej szczegółowoDIAGNOZOWANIE STANÓW ZDOLNO CI JAKO CIOWEJ PROCESU PRODUKCYJNEGO
DIAGNOSTYKA 27 ARTYKUY GÓWNE SZKODA, Diagnozowanie stanów zdolnoci jakociowej 89 DIAGNOZOWANIE STANÓW ZDOLNOCI JAKOCIOWEJ PROCESU PRODUKCYJNEGO Jerzy SZKODA Katedra Eksploatacji Pojazdów i Maszyn Uniwersytetu
Bardziej szczegółowoIn»ynierskie zastosowania statystyki wiczenia
Uwagi: 27012014 poprawiono kilka literówek, zwi zanych z przedziaªami ufno±ci dla wariancji i odchylenia standardowego In»ynierskie zastosowania statystyki wiczenia Przedziaªy wiarygodno±ci, testowanie
Bardziej szczegółowoRachunek Prawdopodobieństwa Anna Janicka
Rachunek Prawdopodobieństwa Anna Janicka wykład XIV, 24.01.2017 ŁAŃCUCHYMARKOWA CD. KRÓTKIE INFO O RÓŻNYCH WAŻNYCH ROZKŁADACH Plan na dzisiaj Łańcuchy Markowa cd. Różne ważne rozkłady prawdopodobieństwa,
Bardziej szczegółowoAnaliza niepewności pomiarów
Teoria pomiarów Analiza niepewności pomiarów Zagadnienia statystyki matematycznej Dr hab. inż. Paweł Majda www.pmajda.zut.edu.pl Podstawy statystyki matematycznej Histogram oraz wielobok liczebności zmiennej
Bardziej szczegółowoKLUCZ PUNKTOWANIA ODPOWIEDZI
Egzamin maturalny maj 009 MATEMATYKA POZIOM PODSTAWOWY KLUCZ PUNKTOWANIA ODPOWIEDZI Zadanie 1. Matematyka poziom podstawowy Wyznaczanie wartoci funkcji dla danych argumentów i jej miejsca zerowego. Zdajcy
Bardziej szczegółowoLiczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 16 zaliczenie z oceną
Wydział: Zarządzanie i Finanse Nazwa kierunku kształcenia: Finanse i Rachunkowość Rodzaj przedmiotu: podstawowy Opiekun: prof. nadzw. dr hab. Tomasz Kuszewski Poziom studiów (I lub II stopnia): II stopnia
Bardziej szczegółowoKLUCZ PUNKTOWANIA ODPOWIEDZI
Egzamin maturalny maj 009 MATEMATYKA POZIOM ROZSZERZONY KLUCZ PUNKTOWANIA ODPOWIEDZI Zadanie. a) Wiadomoci i rozumienie Matematyka poziom rozszerzony Wykorzystanie pojcia wartoci argumentu i wartoci funkcji.
Bardziej szczegółowoODPOWIEDZI I SCHEMAT PUNKTOWANIA ZESTAW NR 2 POZIOM PODSTAWOWY. 1. x y x y
Nr zadania Nr czynnoci Przykadowy zestaw zada nr z matematyki ODPOWIEDZI I SCHEMAT PUNKTOWANIA ZESTAW NR POZIOM PODSTAWOWY Etapy rozwizania zadania. Podanie dziedziny funkcji f: 6, 8.. Podanie wszystkich
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 szczegółowoEGZAMIN MATURALNY Z MATEMATYKI
Miejsce na naklejk z kodem (Wpisuje zdajcy przed rozpoczciem pracy) KOD ZDAJCEGO MMA-PGP-0 EGZAMIN MATURALNY Z MATEMATYKI POZIOM PODSTAWOWY Czas pracy 0 minut ARKUSZ I MAJ ROK 00 Instrukcja dla zdajcego.
Bardziej szczegółowoSpis 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 szczegółowoPlanowanie adresacji IP dla przedsibiorstwa.
Planowanie adresacji IP dla przedsibiorstwa. Wstp Przy podejciu do planowania adresacji IP moemy spotka si z 2 głównymi przypadkami: planowanie za pomoc adresów sieci prywatnej przypadek, w którym jeeli
Bardziej szczegółowoEGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
EGZAMIN MAGISTERSKI, 12.09.2018r Matematyka w ekonomii i ubezpieczeniach Zadanie 1. (8 punktów) O rozkªadzie pewnego ryzyka S wiemy,»e: E[(S 20) + ] = 8 E[S 10 < S 20] = 13 P (S 20) = 3 4 P (S 10) = 1
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 szczegółowo5. (8 punktów) EGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach
Matematyka w ekonomii i ubezpieczeniach ( Niezale»ne szkody maja rozkªady P (X i = k) = exp( 1)/k!, P (Y i = k) = 4+k ) k (1/3) 5 (/3) k, k = 0, 1,.... Niech S = X 1 +... + X 500 + Y 1 +... + Y 500. Skªadka
Bardziej szczegółowoDokładne 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 szczegółowoW2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne.
W2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne. dr hab. Jerzy Nakielski Katedra Biofizyki i Morfogenezy Roślin Plan wykładu: 1. Etapy wnioskowania statystycznego 2. Hipotezy statystyczne,
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 szczegółowoPoprawa efektywnoci metody wstecznej propagacji bdu. Jacek Bartman
Poprawa efektywnoci metody wstecznej propagac bdu Algorytm wstecznej propagac bdu. Wygeneruj losowo wektory wag. 2. Podaj wybrany wzorzec na wejcie sieci. 3. Wyznacz odpowiedzi wszystkich neuronów wyjciowych
Bardziej szczegółowoAKADEMIA 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 szczegółowoSTATYSTYKA 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 szczegółowoMetody probablistyczne i statystyka stosowana
Politechnika Wrocªawska - Wydziaª Podstawowych Problemów Techniki - 011 Metody probablistyczne i statystyka stosowana prowadz cy: dr hab. in». Krzysztof Szajowski opracowanie: Tomasz Kusienicki* κ 17801
Bardziej szczegółowoStatystyka matematyczna - ZSTA LMO
Statystyka matematyczna - ZSTA LMO Šukasz Smaga Wydziaª Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza w Poznaniu Wykªad 1 Šukasz Smaga (WMI UAM) ZSTA LMO Wykªad 1 1 / 28 Kontakt Dr Šukasz
Bardziej szczegółowoRównania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010
WFTiMS 23 marca 2010 Spis tre±ci 1 Denicja 1 (równanie ró»niczkowe pierwszego rz du) Równanie y = f (t, y) (1) nazywamy równaniem ró»niczkowym zwyczajnym pierwszego rz du w postaci normalnej. Uwaga 1 Ogólna
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 szczegółowoIV Powiatowy Konkurs Matematyka, Fizyka i Informatyka w Technice Etap finałowy 1 kwietnia 2016
IV Powiatowy Konkurs Matematyka, Fizyka i Informatyka w Technice Etap finałowy 1 kwietnia 2016 (imi i nazwisko uczestnika) (nazwa szkoły) Arkusz zawiera 8 zada. Zadania 1 i 2 bd oceniane dla kadego uczestnika,
Bardziej szczegółowoZL - STATYSTYKA - Zadania do oddania
ZL - STATYSTYKA - Zadania do oddania Parametr = liczba trzycyfrowa dwie ostatnie cyfry to dwie ostatnie cyfry numeru indesu pierwsza cyfra to pierwsza cyfra liczby liter pierwszego imienia. Poszczególne
Bardziej szczegółowoTemat: Technika zachłanna. Przykłady zastosowania. Własno wyboru zachłannego i optymalnej podstruktury.
Temat: Technika zachłanna. Przykłady zastosowania. Własno wyboru zachłannego i optymalnej podstruktury. Algorytm zachłanny ( ang. greedy algorithm) wykonuje zawsze działanie, które wydaje si w danej chwili
Bardziej szczegółowoOba zbiory s uporz dkowane liniowo. Badamy funkcj w pobli»u kresów dziedziny. Pewne punkty szczególne (np. zmiana denicji funkcji).
Plan Spis tre±ci 1 Granica 1 1.1 Po co?................................. 1 1.2 Denicje i twierdzenia........................ 4 1.3 Asymptotyka, granice niewªa±ciwe................. 7 2 Asymptoty 8 2.1
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowo6.2. Baza i wymiar. V nazywamy baz-
62 Baza i wymiar V nazywamy baz- Definicja 66 Niech V bdzie przestrzeni, liniow, nad cia/em F Podzbiór B przestrzeni V, je2eli: () B jest liniowo niezale2ny, (2) B jest generuj,cy, tzn lin(b) =V Przyk/ady:
Bardziej szczegółowoRACHUNEK 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 szczegółowoKLUCZ PUNKTOWANIA ODPOWIEDZI
Egzamin maturalny maj 009 MATEMATYKA POZIOM PODSTAWOWY KLUCZ PUNKTOWANIA ODPOWIEDZI Zadanie. a) Matematyka poziom podstawowy Wyznaczanie wartoci funkcji dla danych argumentów i jej miejsca zerowego. 0
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 szczegółowoBazy danych Podstawy teoretyczne
Pojcia podstawowe Baza Danych jest to zbiór danych o okrelonej strukturze zapisany w nieulotnej pamici, mogcy zaspokoi potrzeby wielu u!ytkowników korzystajcych z niego w sposóbs selektywny w dogodnym
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 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 szczegółowoZadania ze statystyki, cz.6
Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z
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 szczegółowoWYDZIAŁ BUDOWNICTWA LĄDOWEGO I WODNEGO
Zał. nr 4 do ZW WYDZIAŁ BUDOWNICTWA LĄDOWEGO I WODNEGO KARTA PRZEDMIOTU Nazwa w języku polskim STATYSTYKA STOSOWANA Nazwa w języku angielskim APPLIED STATISTICS Kierunek studiów (jeśli dotyczy): Specjalność
Bardziej szczegółowoRozkłady statystyk z próby. Statystyka
Rozkłady statystyk z próby tatystyka Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających ten
Bardziej szczegółowoANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15
ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku
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 szczegółowoWykład Ćwiczenia Laboratorium Projekt Seminarium 30
Zał. nr 4 do ZW WYDZIAŁ CHEMICZNY KARTA PRZEDMIOTU Nazwa w języku polskim Wstęp do statystyki praktycznej Nazwa w języku angielskim Intriduction to the Practice of Statistics Kierunek studiów (jeśli dotyczy):
Bardziej szczegółowoTablica Wzorów Rachunek Prawdopodobieństwa i Statystyki
Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...
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 szczegółowoE2 - PROBABILISTYKA - Zadania do oddania
E - PROBABILISTYKA - Zadania do oddania Parametr k = liczba trzycyfrowa dwie ostatnie cyfry to dwie ostatnie cyfry numeru indeksu pierwsza cyfra to pierwsza cyfra liczby liter pierwszego imienia. Poszczególne
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 szczegółowoPROBABILISTYKA I STATYSTYKA - Zadania do oddania
PROBABILISTYKA I STATYSTYKA - Zadania do oddania Parametr k = liczba trzycyfrowa, dwie ostatnie cyfry to dwie ostatnie cyfry numeru indeksu, pierwsza cyfra to pierwsza cyfra liczby liter pierwszego imienia.
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 szczegółowoAmortyzacja rodków trwałych
Amortyzacja rodków trwałych Wydawnictwo Podatkowe GOFIN http://www.gofin.pl/podp.php/190/665/ Dodatek do Zeszytów Metodycznych Rachunkowoci z dnia 2003-07-20 Nr 7 Nr kolejny 110 Warto pocztkow rodków trwałych
Bardziej szczegółowoRecenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak
Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Redakcja i korekta Bogdan Baran Projekt graficzny okładki Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2011 ISBN
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 szczegółowoTwierdzenie Wainera. Marek Czarnecki. Warszawa, 3 lipca Wydziaª Filozoi i Socjologii Uniwersytet Warszawski
Twierdzenie Wainera Marek Czarnecki Wydziaª Filozoi i Socjologii Uniwersytet Warszawski Wydziaª Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski Warszawa, 3 lipca 2009 Motywacje Dla dowolnej
Bardziej szczegółowoI jest narzędziem służącym do porównywania rozproszenia dwóch zmiennych. Używamy go tylko, gdy pomiędzy zmiennymi istnieje logiczny związek
ZADANIA statystyka opisowa i CTG 1. Dokonano pomiaru stężenia jonów azotanowych w wodzie μg/ml 1 0.51 0.51 0.51 0.50 0.51 0.49 0.52 0.53 0.50 0.47 0.51 0.52 0.53 0.48 0.59 0.50 0.52 0.49 0.49 0.50 0.49
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD października 2009
STATYSTYKA MATEMATYCZNA WYKŁAD 4 26 października 2009 Rozkład N(µ, σ). Estymacja σ σ 2 = 1 σ 2π + = E µ,σ (X µ) 2 { (x µ) 2 exp 1 ( ) } x µ 2 dx 2 σ Rozkład N(µ, σ). Estymacja σ σ 2 = 1 σ 2π + = E µ,σ
Bardziej szczegółowoRównania kinetyczne prostych reakcji.
Szybko reakcji chemicznej definiowana jest jako ubytek stenia substratu lub przyrost stenia produktu w jednostce czasu. W definicjach szybkoci innych zjawisk wana jest wielko okrelajca kinetyk w danej
Bardziej szczegółowoOpis przedmiotu: Probabilistyka I
Opis : Probabilistyka I Kod Nazwa Wersja TR.SIK303 Probabilistyka I 2012/13 A. Usytuowanie w systemie studiów Poziom Kształcenia Stopień Rodzaj Kierunek studiów Profil studiów Specjalność Jednostka prowadząca
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowodr Jerzy Pusz, st. wykładowca, Wydział Matematyki i Nauk Informacyjnych Politechniki Warszawskiej B. Ogólna charakterystyka przedmiotu
Kod przedmiotu TR.SIK303 Nazwa przedmiotu Probabilistyka I Wersja przedmiotu 2015/16 A. Usytuowanie przedmiotu w systemie studiów Poziom kształcenia Studia I stopnia Forma i tryb prowadzenia studiów Stacjonarne
Bardziej szczegółowostopie szaro ci piksela ( x, y)
I. Wstp. Jednym z podstawowych zada analizy obrazu jest segmentacja. Jest to podział obrazu na obszary spełniajce pewne kryterium jednorodnoci. Jedn z najprostszych metod segmentacji obrazu jest progowanie.
Bardziej szczegółowoPREZENTACJA DZIAŁANIA KLASYCZNEGO ALGORYTMU GENETYCZNEGO
Piotr Borowiec PREZENTACJA DZIAŁANIA KLASYCZNEGO ALGORYTMU GENETYCZNEGO Sporód wielu metod sztucznej inteligencji obliczeniowej algorytmy genetyczne doczekały si wielu implementacji. Mona je wykorzystywa
Bardziej szczegółowoRozkłady prawdopodobieństwa
Tytuł Spis treści Wersje dokumentu Instytut Matematyki Politechniki Łódzkiej 10 grudnia 2011 Spis treści Tytuł Spis treści Wersje dokumentu 1 Wartość oczekiwana Wariancja i odchylenie standardowe Rozkład
Bardziej szczegółowoMATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ
MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ Opracowała: Milena Suliga Wszystkie pliki pomocnicze wymienione w treści
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 szczegółowoWnioskowanie statystyczne. Statystyka w 5
Wnioskowanie statystyczne tatystyka w 5 Rozkłady statystyk z próby Próba losowa pobrana z populacji stanowi realizacje zmiennej losowej jak ciąg zmiennych losowych (X, X,... X ) niezależnych i mających
Bardziej szczegółowoStatystyka 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 szczegółowoInformatyka I stopień (I stopień / II stopień) ogólno akademicki (ogólno akademicki / praktyczny) podstawowy (podstawowy / kierunkowy / inny HES)
KARTA MODUŁU / KARTA PRZEDMIOTU Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013
Bardziej szczegółowoWYZNACZANIE OPTYMALNEJ KONFIGURACJI ZROBOTYZOWANEGO STANOWISKA MONTA OWEGO
K O M I S J A B U D O W Y M A S Z Y N P A N O D D Z I A W P O Z N A N I U Vol. 29 nr 2 Archiwum Technologii Maszyn i Automatyzacji 2009 RAFA KLUZ WYZNACZANIE OPTYMALNEJ KONFIGURACJI ZROBOTYZOWANEGO STANOWISKA
Bardziej szczegółowoInformatyka. z przedmiotu RACHUNEK PRAWDOPODOBIE STWA
Informatyka Zbiór przykªadowych prac kontrolnych oraz przykªadowych zada«egzaminacyjnych z przedmiotu RACHUNEK PRAWDOPODOBIE STWA Sprawdzian 1, M09-02 Zadanie 1 (1p) W rzucie dwiema kostkami obliczy prawdopodobie«stwo
Bardziej szczegółowoA = n. 2. Ka»dy podzbiór zbioru sko«czonego jest zbiorem sko«czonym. Dowody tych twierdze«(elementarne, lecz nieco nu» ce) pominiemy.
Logika i teoria mnogo±ci, konspekt wykªad 12 Teoria mocy, cz ± II Def. 12.1 Ka»demu zbiorowi X przyporz dkowujemy oznaczany symbolem X obiekt zwany liczb kardynaln (lub moc zbioru X) w taki sposób,»e ta
Bardziej szczegółowoKonspekt lekcji matematyki klasa 4e Liceum Ogólnokształcce
mgr Tomasz Grbski Konspekt lekcji matematyki klasa 4e Liceum Ogólnokształcce Temat: Dyskusja nad liczb rozwiza równania liniowego i kwadratowego z wartoci bezwzgldn i parametrem. Czas trwania: 45 minut.
Bardziej szczegółowowiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. Metodyka bada«do±wiadczalnych dr hab. in». Sebastian Skoczypiec Cel wiczenia Zaªo»enia
wiczenie nr 3 z przedmiotu Metody prognozowania kwiecie«2015 r. wiczenia 1 2 do wiczenia 3 4 Badanie do±wiadczalne 5 pomiarów 6 7 Cel Celem wiczenia jest zapoznanie studentów z etapami przygotowania i
Bardziej szczegółowo1 Przypomnienie wiadomo±ci ze szkoªy ±redniej. Rozwi zywanie prostych równa«i nierówno±ci
Zebraª do celów edukacyjnych od wykªadowców PK, z ró»nych podr czników Maciej Zakarczemny 1 Przypomnienie wiadomo±ci ze szkoªy ±redniej Rozwi zywanie prostych równa«i nierówno±ci dotycz cych funkcji elementarnych,
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 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 szczegółowoZbiory ograniczone i kresy zbiorów
Zbiory ograniczone i kresy zbiorów Def.. Liczb m nazywamy ograniczeniem dolnym a liczb M ograniczeniem górnym zbioru X R gdy (i) x m; (ii) x M. Mówimy,»e zbiór X jest ograniczony z doªu (odp. z góry) gdy
Bardziej szczegółowoRóżne rozkłady prawdopodobieństwa
Różne rozłady prawdopodobieństwa. Rozład dwupuntowy D(p). Zmienna losowa ξ ma rozład D(p), jeżeli P p {ξ = 0} = p oraz P p {ξ = } = p. Eξ = p D ξ = p( p). Rozład dwumianowy Bin(n, p). Zmienna losowa ξ
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 szczegółowo6. Zmienne losowe typu ciagłego ( ) Pole trapezu krzywoliniowego
6. Zmienne losowe typu ciagłego (2.04.2007) Pole trapezu krzywoliniowego Przypomnienie: figurę ograniczoną przez: wykres funkcji y = f(x), gdzie f jest funkcją ciągłą; proste x = a, x = b, a < b, oś OX
Bardziej szczegółowoOpis przedmiotu. Karta przedmiotu - Probabilistyka I Katalog ECTS Politechniki Warszawskiej
Kod przedmiotu TR.NIK304 Nazwa przedmiotu Probabilistyka I Wersja przedmiotu 2015/16 A. Usytuowanie przedmiotu w systemie studiów Poziom kształcenia Studia I stopnia Forma i tryb prowadzenia studiów Niestacjonarne
Bardziej szczegółowoRachunek 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 szczegółowoZawartość. Zawartość
Opr. dr inż. Grzegorz Biesok. Wer. 2.05 2011 Zawartość Zawartość 1. Rozkład normalny... 3 2. Rozkład normalny standardowy... 5 3. Obliczanie prawdopodobieństw dla zmiennych o rozkładzie norm. z parametrami
Bardziej szczegółowoTemat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły. Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga. Anna Rajfura, Matematyka
Temat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga 1 Zagadnienia 1. Przypomnienie wybranych pojęć rachunku prawdopodobieństwa. Zmienna losowa. Rozkład
Bardziej szczegółowoProste modele o zªo»onej dynamice
Proste modele o zªo»onej dynamice czyli krótki wst p do teorii chaosu Tomasz Rodak Festiwal Nauki, Techniki i Sztuki 2018 April 17, 2018 Dyskretny model pojedynczej populacji Rozwa»my pojedyncz populacj
Bardziej szczegółowoWYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI
WYDZIAŁ GEOINŻYNIERII, GÓRNICTWA I GEOLOGII KARTA PRZEDMIOTU Nazwa w języku polskim: Statystyka matematyczna Nazwa w języku angielskim: Mathematical Statistics Kierunek studiów (jeśli dotyczy): Górnictwo
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 szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoWeryfikacja 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 szczegółowoVincent Van GOGH: M»czyzna pij cy li»ank kawy. Radosªaw Klimek. J zyk programowania Java
J zyk programowania JAVA c 2011 Vincent Van GOGH: M»czyzna pij cy li»ank kawy Zadanie 6. Napisz program, który tworzy tablic 30 liczb wstawia do tej tablicy liczby od 0 do 29 sumuje te elementy tablicy,
Bardziej szczegółowoSPIS 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 szczegółowoFunkcje, wielomiany. Informacje pomocnicze
Funkcje, wielomiany Informacje pomocnicze Przydatne wzory: (a + b) 2 = a 2 + 2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) 3 = a 3 + 3a 2 b + 3ab 2 + b 3 (a b) 3 = a 3 3a 2 b + 3ab 2 b 3 a 2 b 2 = (a + b)(a
Bardziej szczegółowoRynek motoryzacyjny 2011 Europa vs Polska
Rynek motoryzacyjny 2011 Europa vs Polska Rynek cz!"ci motoryzacyjnych nierozerwalnie #$czy si! z parkiem samochodowym, dlatego te% podczas oceny wyników sprzeda%y samochodowych cz!"ci zamiennych nie mo%na
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
31 marca 2014 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
Bardziej szczegółowoPopulacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część
Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu
Bardziej szczegółowoProjektowanie i analiza zadaniowa interfejsu na przykładzie okna dialogowego.
Projektowanie i analiza zadaniowa interfejsu na przykładzie okna dialogowego. Jerzy Grobelny Politechnika Wrocławska Projektowanie zadaniowe jest jednym z podstawowych podej do racjonalnego kształtowania
Bardziej szczegółowo