Elementy rachunku prawdopodobieństwa. repetytorium
|
|
- Patryk Orzechowski
- 7 lat temu
- Przeglądów:
Transkrypt
1 Elementy rachunku prawdopodobeństwa repetytorum
2 myślowy. - powtarzalny eksperyment fzyczny lub obserwacja czy śwatło jest zapalone czy zgaszone, określene lośc braków w bel tkanny, ustalene lośc wadlwych jednostek produktu w wylosowanej próbe, przeprowadzene ankety na określony temat tp. Przeprowadzając dośwadczena otrzymujemy może być odpowedź "tak" lub "ne", odczyt pomarów przyrządowych, wartość z określonego przedzału tp. ω Wynk dośwadczeń możemy prezentować grafczne (za pomocą punktów) symbol grafcznych, lub też algebraczne. Warantom wynków dośwadczena możemy przypsywać oznaczena w postac lczb typu 1,2,3,...,n, lter a, b, c,..., lub nnych symbol
3 Dośwadczene polega na przeprowadzenu ankety poprzedzającej budowę supermarketu. Anketowan mogą wybrać jedną z trzech możlwych odpowedz: 1. Jestem za budową supermarketu, 2. Jestem nezdecydowany, 3. Jestem przecwko budowe supermarketu. Grafczna prezentacja zboru wszystkch możlwych wynków ankety Jestem za budową supermarketu Jestem nezdecydowany Jestem przecwko budowe supermarketu 1 2 3
4 3 druga osoba perwsza osoba rys. 2 Wynk ankety dla dwu osób Przykłady dla dwu osób (2,1); (2.2), (3,3); dla czterech osób (2,1,1,3); (2,3,1,1) tp.
5 Zbór punktów przedstawający wszystke możlwe wynk dośwadczena nazywamy oznaczamy symbolem " Ω ". Przestrzeń zdarzeń elementarnych może być przestrzeną skończoną lub neskończoną (np. w przypadku pomarów przyjmujących wartośc cągłe). - podzbór przestrzen zdarzeń elementarnych Ω, który może stanowć także podzbór pusty (zdarzene nemożlwe) oraz całą przestrzeń Ω (zdarzene pewne). Do oznaczena zdarzeń wykorzystuje sę zwykle duże ltery alfabetu,,,,, tp.
6 Przykład grafcznej prezentacj zdarzeń losowych A - co najmnej jeden z uczestnków ankety jest nezdecydowany, B - obaj respondenc dają taką samą odpowedź, C - jedna osoba popera budowę supermarketu, a druga jest przecw. Grafczną prezentację tych zdarzeń przedstawono na rys {kp} 3 A C 2 Drug respondent 1 B Perwszy respondent Rys. 1.3 Zdarzena losowe A, B C. Źródło: Opracowane własne
7 Przestrzene prób zdarzena oraz zwązk pomędzy nm przedstawane są często w postac dagramów Venna lub Eulera, w których do oznaczena przestrzen próby używa sę prostokąta, a do zdarzeń koła lub jego fragmentu. Zacenowany obszar lustruje rozważane zdarzene.
8 - jest to funkcja przypsująca lczby różnym podzborom zboru. Lczby te mogą odpowadać np. lczbe elementów zboru. Dla powyższego przykładu funkcja zboru przedstawa sę następująco: (Ω) = 9; (X) = 5; (Y) = 3; (Y Z ) = 5; (X Y) = 1; N(X Z) = (Y Z) = 0 td. 1. Lczby przyporządkowane poszczególnym zborom są zawsze dodatne lub równe zeru, 2. Wszystke lczby są równe lub mnejsze od lczebnośc całej przestrzen zdarzeń elementarnych (Ω), 3. Jeżel dwa podzbory ne posadają wspólnych elementów to lczba przyporządkowana sume tych podzborów jest równa sume lczb przyporządkowanych poszczególnym podzborom.
9 P e w n k p r a w d o p o d o b e ń s tw a o r a z o d p o w a d a ją c e m z a s a d y 1. P ra w d o p o d o b e ń s tw o je s t r z e c z y w s tą lc z b ą d o d a tn ą lu b z e r e m. ( ) 0 d la k a ż d e g o z d a r z e n a 2. J e ś l Ω s ta n o w p r z e s tr z e ń p r ó b y d o ś w a d c z e n a, je g o p r a w d o p o d o b e ń s tw o w y n o s 1. P r a w d o p o d o b e ń s tw o z d a r z e n a p e w n e g o, c z y l z d a rz e n a o b e jm u ją c e g o c a ły z b ó r z d a r z e ń e le m e n ta r n y c h Ω r ó w n e je s t je d n o ś c. (Ω ) = 1 3. J e ż e l s ą z d a rz e n a m w z a je m n e s ę w y k lu c z a ją c y m to p r a w d o p o d o b e ń s tw o z d a r z e n a r ó w n a s ę s u m e p o s z c z e g ó ln y c h p ra w d o p o d o b e ń s t w z d a rz e ń. ( ) = ( ) + ( ) J e ż e l,,..., s ą z d a r z e n a m w z a je m n e w y łą c z a ją c y m s ę, to (... ) = ( ) + ( ) ( ) Z p e w n k ó w ty c h w y p ły w a ją n a s tę p u ją c e w n o s k : d la k a ż d e g o z d a r z e n a ( ) 1, ( ) = 0, (A ') = 1 - ( )
10 . Jeśl lość powtórzeń dośwadczena rośne neogranczene, frakcja lośc przypadków w którym otrzymano dany wynk (częstość względna danego wynku) dąży do prawdopodobeństwa pojawena sę tego wynku w jednym dośwadczenu. Prawo welkch lczb określa sposób estymacj wartośc prawdopodobeństwa. Prawdopodobeństwo jest rozumane wówczas jako częstość jego zajśca w długej ser dośwadczeń. Jest to tak zwana prawdopodobeństwa P( A) = lm n n( A) n gdze - lczba wykonanych dośwadczeń ( ) lczba dośwadczeń w których zrealzowało sę zdarzene. ż ś ż ś ś
11 1,1 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0, Rys.1.5 Frakcje orłów w kolejnych 150 rzutach monetą Źródło: badane własne
12 ń ż ę ń żą 3 1/16 2/16 1/16 druga osoba 2 2/16 4/16 2/16 1 1/16 2/16 1/ perwsza osoba Przestrzeń próby wynków ankety dla dwu osób - zdarzene, polegające na tym że perwsza osoba jest nezdecydowana ( ) = 8/16 = 1/2 - zdarzene polegające na tym, że co najmnej jedna z osób poprze kandydata (tzn. wszystke pary w których występuje 1) ( ) = 7/16
13 ( ) = ( ) + ( ) - ( ) P( A/ B) = podobne P( B / A) = P( A B) P( B) P( A B) P( A) Ω ( ) > 0 ( ) = P( )*P( / ), P( A) > 0 ( ) = P( )*P( / )
14 Jeżel są zdarzenam nezależnym, to wówczas ( / ) = (A) oraz ( / ) = ( ) oraz ( ) = ( )* ( ) n P( B) = P( A ) P( B / A ) = 1 P( A / B) = n P( A ) P( B / A ) = 1 P( A ) P( B / A ) = P( A ) P( B / A ) P( B)
15 Jeżel są zdarzenam nezależnym, to wówczas ( / ) = (A) oraz ( / ) = ( ) oraz ( ) = ( )* ( ) n P( B) = P( A ) P( B / A ) = 1 P( A / B) = n P( A ) P( B / A ) = 1 P( A ) P( B / A ) = P( A ) P( B / A ) P( B)
16 Jeżel są zdarzenam nezależnym, to wówczas ( / ) = (A) oraz ( / ) = ( ) oraz ( ) = ( )* ( ) n P( B) = P( A ) P( B / A ) = 1 P( A / B) = n P( A ) P( B / A ) = 1 P( A ) P( B / A ) = P( A ) P( B / A ) P( B)
17 Zadane 1 W pojemnku znajduje sę 10 długopsów, w tym: 2 czerwone, 3 zelone 5 nebeskch. Oblczyć prawdopodobeństwo, że: a.) losując długopsy trzykrotne bez zwracana do pojemnka wylosujemy po kole 3 długopsy zelone b.) losując długopsy dwukrotne bez zwracana do pojemnka, dokładne za drugm razem wylosujemy długops nebesk.
18 W urne znajduje sę 1000 anket sondażu poprzedzającego budowę supermarketu. Wśród badanych było 550 kobet 450 mężczyzn. Struktura odpowedz wśród kobet kształtowała sę następująco: odpowedź: jestem za budową sklepu - 65% głosów; odpowedź: jestem przecwny budowe sklepu - 25% głosów; odpowedź: jestem nezdecydowany - 10% głosów. Struktura odpowedz wśród mężczyzn przedstawała sę następująco: odpowedź: jestem za budową sklepu - 55% głosów; odpowedź: jestem przecwny budowe sklepu - 25% głosów; odpowedź: jestem nezdecydowany - 20% głosów. 1.) Oblczyć prawdopodobeństwo zdarzena losowego, że wyberając w sposób losowy jedną anketę trafmy na anketę z zaznaczoną odpowedzą: jestem za budową sklepu. 2.) Wylosowano anketę z zaznaczoną odpowedzą: jestem za budową sklepu, jake jest prawdopodobeństwo, że tę anketę wypełnała kobeta.
19 kobeta mężczyzna K P(K) = 0,55 P(M) = 0,45 M P(A/K) =0,65 P(B/K) = 0,25 P(C/K) = 0,10 P(A/M) = 0,55 P(B/M) = 0,25 P(C/M)) = 0,20 A B C A B C Rys. 1.7 Dendryt Źródło: opracowane własne a. P(A) = P(K) P(A K) +P(M) P(A M). P(A) = 0,55 0,65 + 0,45 0,55 = 0, ,2475 = 0,605 (60,5%). P( K / A) P( K) P( A K) = P( K) P( A K) + P( M ) P( A M ) P( K) P( A P( A) K) =. W analzowanym przykładze szukane prawdopodobeństwo wynese 0,55 0,65 0,3575 P( K / A) = = 0,55 0,65+ 0,45 0,55 0,605 0,59 (59%).
20 Zmenna losowa Intucyjne zmenną losową możemy nazwać taką welkość, która w wynku dośwadczena przyjmuje określoną wartość, znaną po zrealzowanu dośwadczena, a ne dającą sę przewdzeć przed realzacją dośwadczena. Jest to węc taka funkcja, która w wynku dośwadczena przyberze jedną tylko jedną wartość, ze zboru tych wartośc, które ta zmenna może przyjąć. Do oznaczena zmennych losowych używa sę najczęścej welkch końcowych lter alfabetu: X, Y, Z,.., a wartośc tych zmennych (realzacje zmennych losowych) oznacza sę odpowednm małym lteram: x, y, z, które w raze potrzeby rozszerza sę dodatkowo o ndeksy dolne np.: x 1, x 2, x 3, ; y 1, y 2, y 3, td.
21 Rozróżnć można dwa typy zmennych losowych: - zmenne losowe skokowe (dyskretne, zarnste) - zmenne losowe cągłe Perwszy rodzaj zmennych (zmenne skokowe) to take, dla których daje sę określć skończony lub przelczalny zbór wartośc. Przykładem takch zmennych może być: lczba dzec w rodzne, lczba anket z zaznaczoną odpowedzą: poperam wstąpene Polsk do UE, lczba urodzeń, lczba zawartych małżeństw tp. Do zmennych losowych cągłych, zalczane są te zmenne, które mogą przyberać dowolne wartośc lczbowe, z pewnego przedzału lczbowego (w szczególnośc może to być przedzał neskończony). Do zmennych tych zalcza sę na przykład: wzrost w cm, cężar w gramach, temperaturę w stopnach Celsjusza, cśnene w mlmetrach słupa rtęc, grubość w mm, szerokość w cm tp. W praktyce, zbór wartośc zmennej losowej jest zawsze skończony lub przelczalny. Wartośc zmennej losowej różnce mędzy nm zależą od czułośc metody badawczej. Im metoda badawcza jest bardzej czuła, tym zbór wartośc zmennej jest lcznejszy, a różnce mędzy dwema kolejnym dowolnym wartoścam są na tyle małe, że zbór wartośc może być traktowany jak przedzał na os lczb rzeczywstych. Wynka z tego, że właścwe, zmenne losowe pownno dzelć sę na zmenne cągłe tzw. zmenne quas- cągłe. W dalszych rozważanach pozostanemy jednak, przy nazwe zmenne cągłe, pamętając jednocześne, że tak rodzaj zmennej może stneć jedyne w czysto teoretycznej forme.
22 Regułę (metodę), w oparcu o którą odbywa sę rozdzał masy prawdopodobeństwa, na poszczególne wartośc zmennej losowej nazywa sę funkcją rozkładu prawdopodobeństwa (rozkładem prawdopodobeństwa) lub krócej rozkładem zmennej. W przypadku zmennej dyskretnej funkcję rozkładu prawdopodobeństwa można zdefnować następująco: P(X = x ) = p(x ) = p ; = 1,..,k (2.3) lub w forme tabelarycznej: x 1 x 2 x x k (2.4) p 1 p 2 p p k W obydwu przypadkach mus być spełnony warunek: k p = 1 = p 1 + p p +..+ p k = 1 (2.4)
23 W przypadku zmennej losowej cągłej wyznacza sę tzw. funkcję gęstośc prawdopodobeństwa. Funkcją gęstośc prawdopodobeństwa zmennej losowej cągłej X nazwemy funkcję f(x), określoną na zborze lczb rzeczywstych f ( x) P( x X < x+ x lm x 0 x ) = Funkcja f(x) posada następujących własnośc: zdefnowaną następująco: (2.14) 1. f(x) 0, (2.15) 2. dla dowolnych a < b, f ( x) dx= P( a X b) (2.16) Z własnośc (2.16) wynka własność: + 3. f ( x) dx= P( < X <+ ) = 1. (2.16a) Ujmując, rzecz opsowo, powemy, że funkcja gęstośc jest funkcją neujemną, a pole obszaru ogranczone jej wykresem osą odcętych jest równe 1. Ilustruje to rysunek 2.4, na którym został przedstawony przykładowy wykres funkcj gęstośc. b a
24 Dystrybuanta zmennej losowej X = < cągłej dla zmennejlosowej skokowej dla zmennejlosowej o o x x x o dt t f p x F ) ( ) ( R x x X P x F o o o < = ) ( ) (
25 Wartość oczekwana zmennej losowej E( X ) = xf x p ( x) dx dla zmennejlosowej skokowej dla zmennejlosowej cągłej
26 Warancja zmennej losowej = = cągłej losowej dla zmennej skokowej losowej dla zmennej dx x f X E x p X E x X E X E X D ) ( )] ( [ )] ( [ )] ( [ ) ( ) ( ) ( D 2 X X D = odchylene standardowe zmennej losowej ) ( ) ( ) ( X E X E X D =
27 Dośwadczene polega na losowym wyborze 1 studenta z grupy 30 studentów pszących egzamn ze statystyk sprawdzenu jego oceny. Wadomo, że w tej grupe studentów 6 mało ocenę 2.0, 9 mało ocenę 3.0, 3 mało ocenę 3.5, 6 ocenę 4.0, 3 ocenę ocenę 5.0 Funkcję rozkładu prawdopodobeństwa zmennej X można węc przedstawć następująco: p 1 = P(X = 2,0) = 6 = 0, 2, p 2 = P(X = 3,0) = 9 = 0, 3, p 3 = P(X = 3,5) = 3 = 0, 1 30, p 4 = P(X = 4,0) = 6 = 0, 2 30, p 5 = P(X = 4,5) = 3 = 0, 30 1, p 6 = P(X = 5,0) = 3 = 0, lub tabelaryczne Oczywśce = 1 6 = 1 x 2,0 3,0 3,5 4, ,0 p 0,2 0,3 0,1 0,2 0,1 0,1 p.
28 0,35 0,3 3; 0,3 0,25 0,2 2; 0,2 4; 0,2 p 0,15 0,1 3,5; 0,1 4,5; 0,1 5; 0,1 0, ,5 1 1,5 2 2,5 3 3,5 4 4,5 5 5,5 x Rys. 2.1 Wykres funkcj rozkładu prawdopodobeństwa zmennej X z przykładu 2.2 Źródło: Opracowane własne. {kp}
29 Dystrybuanta zmennej losowej x 0 (- ; 2,0] (2,0; 3,0] (3,0; 3,5] (3,5; 4,0] (4,0; 4,5] (4,5; 5,0] (5,0; + ) F(x 0 ) 0 0,2 0,5 0,6 0,8 0,9 1 Wykres dystrybuanty przedstawa rys F(x 0 ) 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0, ,5 2 2,5 3 3, x 0 Rys. 2.2 Wykres dystrybuanty zmennej losowej X z przykładu 2.3 Źródło: Opracowane własne
30 Wartość oczekwana E ( X ) = x p 1 x 2,0 3,0 3,5 4, ,0 2 p 0,2 0,3 0,1 0,2 0,1 0,1 3 x p 0,4 0,9 0,35 0,8 0,45 0,5 4 2 x 4,0 9,0 12,25 16,0 20,25 25,0 5 x 2 p 0,8 2,7 1,225 3,2 2,025 2,5 E(X) = 0,4 + 0,9 + 0,35 + 0,8 + 0,45 + 0,5 = 3,4 Warancja 2 D ( X ) D = [ x E( X )] 2 p lub ( X ) = E( X ) E ( X ) = x p x p p 2 x = (3,4)2 = 11,56. Warancja zmennej X jest równa: D 2 (X) = (0,8 + 2,7 + 1, ,2 + 2, ,5) 11,56 = 0,89, natomast odchylene standardowe: D(X) =,89 0, 94 0.
31 Wybrane rozkłady zmennej losowej Rozkład zero jedynkowy P(X = 1) = p, P(X = 0) = 1- p = q Wartość oczekwana takej zmennej wynos: natomast warancja: E(X) = p, D 2 (X) = pq. Przykład W magazyne znajduje sę 20 produktów, wśród których jest 5 wadlwych. Dośwadczene polega na losowym pobranu próby o lcznośc n= 1. Nech X oznacza zmenną losową będącą lczbą produktów wadlwych w pobranej próbe. Wyznaczyć rozkład zmennej X, wartość oczekwaną oraz odchylene standardowe.
32 Wybrane rozkłady zmennej losowej Rozkład dwumanowy (Bernoullego) Załóżmy, że rozpatrzymy obecne n zero-jedynkowych zmennych losowych X 1, X 2,,X n. Załóżmy ponadto, że: P(X 1 = 1) = p 1 = P(X 2 = 1) = p 2 = = P(X n = 1) = p n = p. Nech zmenna losowa Z będze sumą rozważanych n zmennych zero jedynkowych: Z = X 1 + X X n Zmenna Z może przyjąć dowolną wartość z = 0, 1, 2,, n. Rozkład prawdopodobeństwa tej zmennej opsuje wzór: ( ) z n z z n z q p z n p p z n p n z Z P = = = 1 ), ; (, gdze!( )!! z n z n z n =.
33 Wybrane rozkłady zmennej losowej Rozkład dwumanowy (Bernoullego) - przykład Przy produkcj wyrobów K L nezbędna jest praca 10 maszyn tego samego typu. Zakładamy, że prawdopodobeństwo awar maszyny w cągu trzech zman roboczych jest jednakowe dla wszystkch maszyn wynos p = 0,3 (maszyny pracują nezależne) Oblczyć prawdopodobeństwo: a.) awar dwóch maszyn b.) awar trzech węcej maszyn
34 Rozkład Possona Zmenna Z posada rozkład Possona 1, jeżel przyjmuje wartośc z = 1, 2, 3, z prawdopodobeństwam 2 : z λ λ P( Z = z;λ) = e, z! gdze λ = np jest parametrem tego rozkładu, natomast e 2,718. Fakt, że zmenna Z ma rozkład Possona o parametrze λ będzemy zapsywać w skróce: Z ~P(λ). W praktyce rozkład Possona używa sę w sytuacj, gdy lczba ser nezależnych dośwadczeń wzrasta do neskończonośc (n ), natomast prawdopodobeństwo sukcesu p maleje do zera (p 0), przy czym np = λ jest welkoścą stałą (λ >0). Z powyższego stwerdzena wynka, że rozkład Possona można traktować, jako rozkład granczny rozkładu dwumanowego. Można zatem zapsać: z n z n z λ λ lm p q = e. n z z! Rozkład Possona stanow tym lepsze przyblżene rozkładu dwumanowego m n jest wększe, a p blższe zera. n 20, a λ 4. Wartość oczekwana oraz warancja zmennej losowej Z o rozkładze Possona wynos: E(Z) = D 2 (Z) = λ, Natomast odchylene standardowe: D (Z) = λ.
35 Rozkład Possona przykład Przy odborze konserw rybnych z magazynów fabrycznych zakłada sę, że 1% towaru może posadać bombaż (wzdęce weczka śwadczące o zepsucu). Oblczyć prawdopodobeństwo, że w losowo pobranej próbe konserw lczącej 100 szt. znajdą sę: a.) dwe konserwy z bombażem, b.) co najwyżej jedna konserwa z bombażem.
36 Rozkład hpergeometryczny N n losowane zależne (bez zwracana) M z gdze P ( Z = z; N, M, n) = M z N M n z N n N-M - lczba elementów w populacj pozbawonych określonej cechy (na rysunku elementy bałe), n z lczba elementów w próbe ne posadających określonej cechy, przy czym: z = 0,1,,n; n N; z M; z n; n z N M., nm E ( Z) = = np, N 2 N n D ( Z) = npq N 1.
37 Rozkład hpergeometryczny - przykład Pewna parta towaru składa sę z 50 sztuk, wśród których znajduje sę 5 wadlwych. Jake jest prawdopodobeństwo tego, że wśród pobranych bez zwracana 3 sztuk, znajdze sę jedna wadlwa.
38 ROZKŁAD PASCALA I ROZKŁAD GEOMETRYCZNY Jeżel przeprowadzamy dośwadczena według schematu Bernoullego o stałym prawdopodobeństwe sukcesu w poszczególnym dośwadczenu równym p aż do momentu uzyskana z góry ustalonej lczby z sukcesów ( z 1), to prawdopodobeństwo, że lczba dośwadczeń będze równa n (n z), wyraża sę wzorem: n 1 z z P N n z p p q n ( =,, ) =, z 1 przy czym n z 1, q = 1- p. Wartość oczekwana warancja zmennej losowej N jest równa odpowedno: z E ( N) =, p 2 z q D ( N) =. 2 p W przypadku, gdy lczba sukcesów z = 1, wzór (3.20) redukuje sę do postac: n 1 P ( N = n, z= 1, p) = pq. Rozkład prawdopodobeństwa zmennej losowej N wyrażony wzorem (3.23) zwykło nazywać sę rozkładem geometrycznym a fakt ten zapsywać w skróce N ~G(p,z). Wartość oczekwaną oraz warancję zmennej losowej o rozkładze geometrycznym opsują wzory: 1 E( N) =, p q p 2 D ( N) =. 2
39 Rozkład Pascala geometryczny przykład Sklep prowadz sprzedaż bater I II gatunku. W magazyne sklepu znajduje sę 70% bater I gatunku 30% II gatunku. Losujemy batere, zwracając po każdym losowanu, do chwl trzykrotnego wycągnęca bater II gatunku. a.) jake jest prawdopodobeństwo, że losowane będze sześcokrotne? b.) jake jest prawdopodobeństwo, że do natrafena na perwszą baterę II gat. potrzeba równeż sześcu losowań?
40 Rozkład prostokątny (jednostajny, równomerny) Zmenna losowa X ma rozkład prostokątny (jednostajny, równomerny) w sytuacj, gdy funkcję gęstośc tej zmennej opsuje wzór: > < = b x dla b x a dla a b a x dla x f ) (. Dystrybuanta zmennej losowej X opsana jest wzorem: b b x dla x a dla a b a x a x dla x F > < = 1 0 ) (.
41 Funkcja gęstośc dystrybuanta rozkładu prostokątnego a E( X ) = D ( X ) = + b 2 ( b ) 2 a 12 2
42 Rozkład prostokątny - przykład Autobus pewnej ln kursuje regularne co 5 mnut. Pasażer przychodz na przystanek w przypadkowym momence ne kerując sę rozkładem jazdy. Nech zmenną losową będze czas oczekwana (w mnutach) pasażera na autobus. a. określć postać funkcj gęstośc oraz postać funkcj dystrybuanty, b. oblczyć prawdopodobeństwo zdarzena losowego, że czas oczekwana na autobus będze lczbą z przedzału (1; 3], c. wyznaczyć wartość oczekwaną, warancję odchylene standardowe zmennej X.
43 f ( x) = 1 exp 2π 1 2 x 2 µ σ f(x) 68,26% 95,45% 99,73% -3 σ - 2 σ - σ µ +σ +2 σ +3 σ x Rozkład normalny
44 W praktyce korzysta sę najczęścej ze zmennej standaryzowanej U~N(µ = 0; σ = 1), która powstaje w wynku następującej transpozycj: X E( X ) U = D( X ). Wartośc zmennej losowej U wynoszą: u = x µ σ. Wartość oczekwana oraz warancja zmennej U wynoszą odpowedno: E(U) = 0; D 2 (U) = 1.
45 Wartośc ϕ(u) dystrybuanty rozkładu normalnego N(0,l) 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359,5398,5438,5478,5517,5557,5596,5636,5675,5714,5753,5793,5832, ,5948,5987,6026,6064,6103,6141,6179,6217,6255,6293,6331,6368,6406,6443,6480,6517,6554,6591,6628,6664,6700,6736,6772,6808,6844,6879,6915,6950,6985,7019,7054,7088,7123,7157,7190,7224,7257,7290,7324,7357,7389,7422,7454,7486,7517,7549,7580,7611,7642,7673,7704,7734,7764,7794,7823,7852,7881,7910,7939,7967,7995,8023,8051,8078,8106,8133,8159,8186,8212,8238,8264,8289,8340,8340, ,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621,8643,8665,8686,8708,8729,8749,8770,8790,8810,8830,8849,8869,8888,8907,8925,8944,8962,8980,8997,9015,9032,9049,9066,9082,9099,9115,9131,9147,9162,9177,9192,9207,9222,9236,9251,9265,9279,9292,9306,9319,9332,9345,9357,9370,9382,9394,9406,9418,9429,9441,9452,9463,9474,9484,9495,9505,9515,9525,9535,9545,9554,9564,9573,9582,9591,9599,9608,9616,9625,9633,9641,9649,9656,9664,9671,9678,9686,9693,9699,9706,9713,9719,9726,9732,9738,9744,9750,9756,9761,9767 0,9772 0,9779 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817,9821,9826,9830,9834,9838,9842,9846, ,9857,9861,9864,9868,9871,9875,9878,9881,9884,9887,9890,9893,9896,9898,9901,9904,9906,9909,9911,9913,9916,9918,9920,9922,9925,9927,9929,9931,9932,9934,9936,9938,9940,9941,9943,9945,9946,9948,9949,9951,9952,9953,9955,9956,9957,9959,9960,9961,9962,9963,9964,9965,9966,9967,9968,9969,9970,9971,9972,9973,9974,9974,9975,9976,9977,9977,9978,9979,9779,9980,9981,9981,9982,9982,9983,9984,9984,9985,9985,9986,9986 Kwantyle u(p) rzędu p rozkładu normalnego N(0,l) 1,28 1,64 1,96 2,33 2,58
46 Tablca I Dystrybuanta Φ(u) = P(U < u) rozkładu normalnego standaryzowanego Φ(u) Φ(u) u 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 u 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641 0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359-0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247 0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753-0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859 0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141-0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483 0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517-0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121 0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879-0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776 0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224-0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451 0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549-0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148 0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852-0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867 0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133-0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611 0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389-1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379 1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621-1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170 1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830-1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985 1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015-1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823 1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177-1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681 1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319-1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559 1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441-1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455 1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545-1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367 1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633-1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294 1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706-1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233 1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767-2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183 2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817-2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143 2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857-2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110 2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890-2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084 2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916-2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064 2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936-2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048 2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952-2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036 2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964-2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026 2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974-2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019 2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981-2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014 2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986-3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010 3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990 Źródło: Opracowane własne z wykorzystanem funkcj Mcrosoft Excel Tablca I a Wybrane kwantyle rozkładu normalnego P(U > u a ) dla U~N(0,1) α 0,2 0,1 0,05 0,025 0,01 0,005 u α 0,842 1,282 1,645 1,960 2,326 2,576
47
48 Rozkład normalny - przykład W bardzo dużej grupe studentów przeprowadzono egzamn z Zarządzana jakoścą merząc wynk na cągłej skal od 0 do 40 punktów. Ustalono, że rozkład wynków jest zblżony do normalnego ze średną 29,5 odchylenem standardowym wynoszącym 6,4. 1. Oblczyć prawdopodobeństwo, zdarzena losowego, że wybrany przypadkowo student otrzymał lczbę punktów: a. mnejszą nż 25, b. z przedzału (25; 35), c. wększą nż Wedząc, że 10% studentów otrzymało ocenę bdb, wyznaczyć le mnmalne punktów musel on otrzymać na ocenę 5,0?
49 Rozkład wykładnczy Zmenna T podlega wykładnczemu rozkładow prawdopodobeństwa, jeżel funkcja gęstośc prawdopodobeństwa wyraża sę wzorem: < = ) ( t dla e t dla t f t λ λ ) ( ) ( = = λ λ T D T E > = ) ( t dla e t dla t F t λ Dystrybuanta zmennej losowej T wyraża sę wzorem:
50 Rozkład wykładnczy - przykład Czas bezawaryjnej pracy telewzorów mark SONY jest zmenną losową o rozkładze wykładnczym. Przecętny czas bezawaryjnej pracy wynos 150 mesęcy, oblczyć prawdopodobeństwo tego, że losowo wybrany telewzor będze dzałał poprawne przez co najmnej 60 mesęcy.
Funkcje i charakterystyki zmiennych losowych
Funkcje charakterystyk zmennych losowych Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Funkcje zmennych losowych
Bardziej szczegółowoStatystyka Inżynierska
Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje
Bardziej szczegółowoRozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1
Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa
Bardziej szczegółowo0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4
Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (
Bardziej szczegółowoStatystyka. Zmienne losowe
Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu
Bardziej szczegółowo1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:
.. Uprość ops zdarzeń: a) A B, A \ B b) ( A B) ( A' B).. Uproścć ops zdarzeń: a) A B A b) A B, ( A B) ( B C).. Uproścć ops zdarzeń: a) A B A B b) A B C ( A B) ( B C).4. Uproścć ops zdarzeń: a) A B, A B
Bardziej szczegółowo) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4
Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =
Bardziej szczegółowo( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X
Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są
Bardziej szczegółowo65120/ / / /200
. W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę
Bardziej szczegółowoSTATYSTYKA. Zmienna losowa skokowa i jej rozkład
STATYSTYKA Wnosowane statystyczne to proces myślowy polegający na formułowanu sądów o całośc przy dysponowanu o nej ogranczoną lczbą nformacj Zmenna losowa soowa jej rozład Zmenną losową jest welość, tóra
Bardziej szczegółowoProces narodzin i śmierci
Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane
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 MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH
STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj
Bardziej szczegółowoMatematyka ubezpieczeń majątkowych r.
Maemayka ubezpeczeń mająkowych 7.05.00 r. Zadane. Pewne ryzyko generuje jedną szkodę z prawdopodobeńswem q, zaś zero szkód z prawdopodobeńswem ( q). Ubezpeczycel pokrywa nadwyżkę szkody ponad udzał własny
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy
Bardziej szczegółowoZestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.
Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :
Bardziej szczegółowoWeryfikacja hipotez dla wielu populacji
Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w
Bardziej szczegółowoW praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.
Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas
Bardziej szczegółowoJEDNOWYMIAROWA ZMIENNA LOSOWA
JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E bedze zborem zdarzen elementarnych danego doswadczena. Funcje X(e) przyporzadowujaca azdemu zdarzenu elementarnemu e E jedna tylo jedna lczbe X(e)x nazywamy ZMIENNA
Bardziej szczegółowoParametry zmiennej losowej
Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 6
Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych
Bardziej szczegółowoZjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)
Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 4
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje
Bardziej szczegółowoPrawdopodobieństwo geometryczne
Prawdopodobeństwo geometryczne Przykład: Przestrzeń zdarzeń elementarnych określona jest przez zestaw punktów (x, y) na płaszczyźne wypełna wnętrze kwadratu [0 x ; 0 y ]. Znajdź p-stwo, że dowolny punkt
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 szczegółowoProjekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE
Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 4
Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja
Bardziej szczegółowoNatalia Nehrebecka. Zajęcia 3
St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a
Bardziej szczegółowoKURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1
KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej
Bardziej szczegółowoProcedura normalizacji
Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny
Bardziej szczegółowoPortfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego
Portel nwestycyjny ćwczena Na podst. Wtold Jurek: Konstrukcja analza rozdzał 5 dr chał Konopczyńsk Portele zawerające walor pozbawony ryzyka. lementy teor rynku kaptałowego 1. Pożyczane penędzy amy dwa
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 szczegółowoBADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda
BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp
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 szczegółowo6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO
Różnce mędzy obserwacjam statystycznym ruchu kolejowego a samochodowego 7. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO.. Obserwacje odstępów mędzy kolejnym wjazdam na stację
Bardziej szczegółowoBadanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej
Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.
Bardziej szczegółowoZapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.
Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane
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 szczegółowoNajczęściej spotykane rozkłady dyskretne:
I. Rozkład dwupunktowy: Najczęściej spotykane rozkłady dyskretne: Def. Zmienna X ma rozkład dwupunktowy z prawdopodobieostwem 1 przyjmuje tylko dwie wartości, tzn. P(X = x 1 ) = p i P(X = x 2 ) = 1 p =
Bardziej szczegółowoStatystyka. Wydział Zarządzania Uniwersytetu Łódzkiego
Statystyka Wydział Zarządzania Uniwersytetu Łódzkiego 2017 Podstawowe rozkłady zmiennych losowych Rozkłady zmiennych skokowych Rozkład zero-jedynkowy Rozpatrujemy doświadczenie, którego rezultatem może
Bardziej szczegółowoNieparametryczne Testy Istotności
Neparametryczne Testy Istotnośc Wzory Neparametryczne testy stotnośc schemat postępowana punkt po punkce Formułujemy hpotezę główną odnoszącą sę do: zgodnośc populacj generalnej z jakmś rozkładem, lub:
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3
Stansław Cchock Natala Nehrebecka Katarzyna Rosak-Lada Zajęca 3 1. Dobrod dopasowana równana regresj. Współczynnk determnacj R 2 Dekompozycja warancj zmennej zależnej Współczynnk determnacj R 2 2. Zmenne
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 szczegółowoNatalia Nehrebecka. Wykład 2
Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad
Bardziej szczegółowoZadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane
Bardziej szczegółowoROZKŁADY ZMIENNYCH LOSOWYCH
ROZKŁADY ZMIENNYCH LOSOWYCH ZMIENNA LOSOWA Defcja. Zmeą losową jest fukcja: X: E -> R która każdemu zdarzeu elemetaremu E przypsuje lczbę rzeczywstą e X ( e) R DYSTRYBUANTA Dystrybuatą zmeej losowej X
Bardziej szczegółowoI. Elementy analizy matematycznej
WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem
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 szczegółowo1 Przestrzenie statystyczne, statystyki
M. Beśka, Statystyka matematyczna, wykład 1 1 1 Przestrzene statystyczne, statystyk 1.1 Rozkłady zmennych losowych Nech Ω, F, P ) będze ustaloną przestrzeną probablstyczną, a X : Ω IR zmenną losową na
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 szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej
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 szczegółowoPokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem
Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych
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 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 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 szczegółowoModele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.
Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można
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 szczegółowo2012-10-11. Definicje ogólne
0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj
Bardziej szczegółowoSZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW
SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.
Bardziej szczegółowoPODSTAWOWE ROZKŁADY ZMIENNYCH LOSOWYCH
PODSTAWOWE ROZKŁADY ZMIENNYCH LOSOWYCH Szkic wykładu 1 Podstawowe rozkłady zmiennej losowej skokowej Rozkład dwupunktowy Rozkład dwumianowy Rozkład Poissona 2 Rozkład dwupunktowy Rozkład dwumianowy Rozkład
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 szczegółowoKier. MTR Programowanie w MATLABie Laboratorium Ćw. 12
Ker. MTR Programowane w MATLABe Laboratorum Ćw. Analza statystyczna grafczna danych pomarowych. Wprowadzene MATLAB dysponuje weloma funcjam umożlwającym przeprowadzene analzy statystycznej pomarów, czy
Bardziej szczegółowoLaboratorium ochrony danych
Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz
Bardziej szczegółowoP (A B) = P (A), P (B) = P (A), skąd P (A B) = P (A) P (B). P (A)
Wykład 3 Niezależność zdarzeń, schemat Bernoulliego Kiedy dwa zdarzenia są niezależne? Gdy wiedza o tym, czy B zaszło, czy nie, NIE MA WPŁYWU na oszacowanie prawdopodobieństwa zdarzenia A: P (A B) = P
Bardziej szczegółowoAnaliza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)
Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz
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 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 szczegółowoZmienna losowa. Rozkład skokowy
Temat: Zmienna losowa. Rozkład skokowy Kody kolorów: żółty nowe pojęcie pomarańczowy uwaga * - materiał nadobowiązkowy Anna Rajfura, Matematyka i statystyka matematyczna na kierunku Rolnictwo SGGW 1 Zagadnienia
Bardziej szczegółowoRozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia.
Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia. D A R I U S Z P I W C Z Y Ń S K I 2 2 ROZKŁAD ZMIENNEJ LOSOWEJ Polega na przyporządkowaniu
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 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 szczegółowoPattern Classification
attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter
Bardziej szczegółowoKomputerowe generatory liczb losowych
. Perwszy generator Komputerowe generatory lczb losowych 2. Przykłady zastosowań 3. Jak generuje sę lczby losowe przy pomocy komputera. Perwszy generator lczb losowych L. H. C. Tppet - 927 Ksąż ążka -
Bardziej szczegółowoStatystyka Opisowa 2014 część 2. Katarzyna Lubnauer
Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,
Bardziej szczegółowoZaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych
Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,
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 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 szczegółowog) wartość oczekiwaną (przeciętną) i wariancję zmiennej losowej K.
TEMAT 1: WYBRANE ROZKŁADY TYPU SKOKOWEGO ROZKŁAD DWUMIANOWY (BERNOULLIEGO) Zadanie 1-1 Prawdopodobieństwo nieprzekroczenia przez pewien zakład pracy dobowego limitu zużycia energii elektrycznej (bez konieczności
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 szczegółowoEgzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010
Egzamn ze statystyk/ Studa Lcencjacke Stacjonarne/ Termn /czerwec 2010 Uwaga: Przy rozwązywanu zadań, jeśl to koneczne, naleŝy przyjąć pozom stotnośc 0,01 współczynnk ufnośc 0,99 Zadane 1 PonŜsze zestawene
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 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 szczegółowoĆwiczenia 3 ROZKŁAD ZMIENNEJ LOSOWEJ JEDNOWYMIAROWEJ
Ćwiczenia 3 ROZKŁAD ZMIENNEJ LOSOWEJ JEDNOWYMIAROWEJ Zadanie 1. Zmienna losowa przyjmuje wartości -1, 0, 1 z prawdopodobieństwami równymi odpowiednio: ¼, ½, ¼. Należy: a. Wyznaczyć rozkład prawdopodobieństwa
Bardziej szczegółowoV. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH
Krs na Stdach Doktoranckch Poltechnk Wrocławskej wersja: lty 007 34 V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH. Zbór np. lczb rzeczywstych a, b elementy zbor A a A b A, podzbór B zbor A : B A, sma zborów
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 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 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 szczegółowoStatystyka w analizie i planowaniu eksperymentu
21 marca 2011 Zmienna losowa - wst ep Przeprowadzane w praktyce badania i eksperymenty maja bardzo różnorodny charakter, niemniej jednak wiaż a sie one z rejestracja jakiś sygna lów (danych). Moga to być
Bardziej szczegółowoAnaliza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A
Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe
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 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 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 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 szczegółowo5. OPTYMALIZACJA GRAFOWO-SIECIOWA
. OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,
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 szczegółowo