Plan: Wykład 3. Zmienne losowe i ich rozkłady. Wstęp do probabilistyki i statystyki. Pojęcie zmiennej losowej

Wielkość: px
Rozpocząć pokaz od strony:

Download "Plan: Wykład 3. Zmienne losowe i ich rozkłady. Wstęp do probabilistyki i statystyki. Pojęcie zmiennej losowej"

Transkrypt

1 --8 Wstęp do probablsty statysty Wyład. Zmee losowe ch rozłady dr hab.ż. Katarzya Zarzewsa, prof.agh, Katedra Eletro, WIET AGH Wstęp do probablsty statysty. wyład Pla: Pojęce zmeej losowej Iloścowy ops zmeych losowych Przyładowe rozłady zmeych losowych Wstęp do probablsty statysty. wyład Pojęce zmeej losowej Zmea losowa jest to fucja X, tóra przypsuje lczbę rzeczywstą x daemu wyow esperymetu losowego. Ω e, e, { K} X : Ω R X e ) x R Przyłady: ) Rzut moetą: zdarzeu orzeł przypsujemy ; zdarzeu resza przypsujemy. ) Aalog. losowae wyrobów: zdarzeu bra wadlwy) -, dobry ) Rzut ostą wyrzucee, td ) Odce [a, b] a os lczbowej wybór putu o współrzędej x przypsujemy p. wartość x ; wartość s x+7) tp. Wstęp do probablsty statysty. wyład

2 --8 Zmea losowa dysreta Gdy wartośc zmeej losowej X są zolowaym putam a os lczbowej obejmują sończoy przedzał wartośc) Rzut moetą Błędy przy trasmsj Wadlwe ułady z l producyjej. Ilość połączeń przychodzących w cągu mut cągła Gdy wartośc zmeej losowej staową wszyste puty odca obejmują przedzał lczb rzeczywstych) Natężee prądu w przewodu Temperatura Cśee Wstęp do probablsty statysty. wyład Iloścowy ops zmeych losowych Rozład zmeej losowej lub rozład prawdopodobeństwa tylo dla zmeych dysretych) Fucja gęstośc prawdopodobeństwa tylo dla zmeych cągłych) Dystrybuata fucja rozładu dla zmeych dysretych cągłych) Welośc charateryzujące wartość oczewaa, waracja, watyle, tp.) Wstęp do probablsty statysty. wyład Rozład zmeej losowej Rozładem zmeej losowej rozładem prawdopodobeństwa dla zmeych dysretych) azywamy zbór par x,p ) gdze x jest wartoścą zmeej losowej X a p jest prawdopodobeństwem, że zmea losowa X przyjmuje wartość x Przyład. Rozład prawdopodobeństwa dla jedorotego rzutu moetą. Zdarzeu polegającemu a wyrzuceu orła przypsujemy x ; zdarzeu polegającemu a wyrzuceu resz x. Zatem: x p X ) p x ) x p X ) p x) Wstęp do probablsty statysty. wyład

3 --8 Rozład zmeej losowej Przyład. cd Rozład prawdopodobeństwa dla jedorotego rzutu moetą jest astępującym zborem par: {, ),, )},,9,8,7, prawdopodob. zdarzea px),,,,,,,,, Zmea losowa jest w tym przypadu soowa dysreta) a jej rozład jest też soowy dysrety). X Wstęp do probablsty statysty. wyład 7 Fucja gęstośc prawdopodobeństwa Fucję gęstośc prawdopodobeństwa wprowadza sę dla zmeych cągłych; ma oa zwąze z prawdopodobeństwem: f x) dx P x X < x + dx) Własośc fucj gęstośc prawdopodobeństwa:. f x) + f. f x) jest uormowaa x) dx. fx) ma wymar /x Wstęp do probablsty statysty. wyład 8 Fucja gęstośc prawdopodobeństwa Z defcj fucj gęstośc prawdopodobeństwa fx) wya pratyczy sposób oblczaa prawdopodobeństwa, że wartość zmeej losowej zajduje sę w przedzale [a,b]: b P a < X < b) f x) dx a Ne ma sesu pytać, jae jest prawdopodobeństwo, że xa Wstęp do probablsty statysty. wyład 9

4 --8 Fucja gęstośc prawdopodobeństwa Przyład. Ozaczmy przez X zmeą losową cągłą, tóra opsuje atężee prądu w cem przewodze medzaym w jedostach ma). Załóżmy, że zares X wyos [, ma] fucja gęstośc prawdopodobeństwa jest daa jest jao fx), w tym przedzale. Oblcz prawdopodobeństwo, że zmerzoe atężee prądu jest mejsze ż ma.,,8 gestosc prawdop., fx), f x) dx, P X < ) dx X Wstęp do probablsty statysty. wyład,,, Iloścowy ops zmeych losowych Dystrybuatą fucja rozładu, ag. cumulatve dstrbuto fucto CDF) Fx) azywamy prawdopodobeństwo tego, że zmea losowa X przyjme wartość mejszą od x co ajwyżej daą wartość) F x) P X x) Przyład. cd Dystrybuata dla rzutu moetą: F x ) P X ) F x ) P X ) Wstęp do probablsty statysty. wyład Własośc dystrybuaty. F x). F ). F + ). x y F x) F y) Jest fucją emalejącą. Fx) e posada wymaru df x) Zwąze gęstośc prawdopodobeństwa. f x) z dystrybuatą dla zmeej cągłej) dx Wstęp do probablsty statysty. wyład

5 --8 Przyład. Dystrybuata dla zmeej dysretej F x) P X x) f x ) x x f x ) rozład prawdopodobeństwa Na podstawe astępujących wartośc dystrybuaty Fx) zajdź fucję rozładu prawdopodobeństwa fx) F x) dla x <, dla x <,7 dla x < dla x Na podstawe rysuu, jedyym putam dla tórych Fx) są -,,. f ),, f ),7,, f ),,7, Wstęp do probablsty statysty. wyład Dystrybuata dla zmeej cągłej t F t) P X t) f u) du Dystrybuata zmeej cągłej jest emalejącą fucją cągłą a oblcza sę ją jao pole pod wyresem fucj gęstośc prawdopodobeństwa. Wstęp do probablsty statysty. wyład Numerycze mary opsowe MIARY parametry) OPISOWE Położea Rozproszea Kwatyle p. Waracja Odchylee medaa) stadardowe) Moda Rozstęp Wartość oczewaa średa, adzeja matematycza) Wstęp do probablsty statysty. wyład

6 --8 Charaterysty rozładu prawdopodobeństwa Fratyl watyl) x q jest to wartość zmeej losowej, dla tórej dystrybuata przyjmuje wartość q. F xq ) P X xq ) f u) du q Najczęścej stosowaym watylem jest medaa czyl x.. W przyładze. atężee prądu ma jest medaą rozładu. Przyład. Dla dysretego rozładu esperymetalego o wyach: 9,,,,,,,,, 7 medaa wyos bo jest wartość środowa uporządowaego zboru wartośc albo średa arytmetycza dwóch środowych welośc). x q Wstęp do probablsty statysty. wyład Charaterysty rozładu prawdopodobeństwa Moda wartość modala) jest to taa wartość zmeej losowej, dla tórej rozład prawdopodobeństwa lub fucja gęstośc prawdopodobeństwa) osąga masmum. Rozłady jedomodale mają jedą modę welomodale węcej ż jedą) W przyładze. dla dysretego rozładu esperymetalego o wyach: 9,,,,,,,,, 7 moda wyos bo jest wartość, tóra pojawa sę ajczęścej w zborze wyów. Wstęp do probablsty statysty. wyład 7 Średa arytmetycza: Wartość średa x - elemety zboru elemetowego eoecze róże): x x W przyładze. dla dysretego rozładu esperymetalego o wyach: 9,,,,,,,,, 7 wartość średa wyos,7. Wstęp do probablsty statysty. wyład 8

7 --8 Przyład. x f,,7,,9,,7, 8,87,,9 7,,7 9,,7,,7,,7,,7 Razem 8 Średa arytmetycza Jeżel wele elemetów ma w zborze tę samą wartość, to dzelmy zbór a lasy zawerające detycze elemety o lczeboścach : x x x f + x f + + x f,, +,, + +,, x,77 Wstęp do probablsty statysty. wyład 9 p x p f x gdze: f, p lczba las p ) Warue ormalzacj Charaterysty rozładu prawdopodobeństwa Momet rozładu rzędu względem putu x m x) x x ) p x ) m x ) x x ) f x) dx dla zmeych dysretych dla zmeych cągłych Najważejszym mometam są te, tóre są lczoe względem początu uładu współrzędych czyl względem x m ) oraz momety lczoe względem X m tj. względem perwszego mometu względem początu uładu współrzędych m azywamy wartoścą oczewaą, wartoścą średą lub adzeją matematyczą) to są momety cetrale µ. Wstęp do probablsty statysty. wyład Charaterysty rozładu prawdopodobeństwa Wartość oczewaa ozaczaa jao: m, EX), µ, x, xˆ E X ) x p dla zmeych dysretych E X ) x f x) dx dla zmeych cągłych EX) jest współrzędą putu, tóry byłby środem masy rozładu prawdopodobeństwa lub pola pod fucją gęstośc prawdopodobeństwa fx)) gdyby p tratować ja masy lub odpowedo fx) ja fzyczą gęstość). Wstęp do probablsty statysty. wyład 7

8 --8 Własośc EX) EX) jest operatorem lowym co ozacza, że:. E C X ) ) CE X co prowadz w osewecj do: EC) C ECX) CEX) EX +X )EX )+EX ). Dla ezależych zmeych X, X, X E X ) ) E X Waruem oeczym wystarczającym by zmee były ezależe jest f X, X,..., X ) f X ) f X )... f X ) Wstęp do probablsty statysty. wyład Własośc EX). Dla fucj zmeej X; Y YX) wartość oczewaa EY) może być zalezoa przy pomocy rozładu zmeej X bez oeczośc szuaa rozładu fy) E Y ) ) y x p dla zmeych dysretych E Y ) y x) f x) dx dla zmeych cągłych Moża zauważyć, że dowoly momet m x ) może być potratoway jao wartość oczewaa fucj YX)X-x ) m x) x x) f x) dx E x x ) ) Wstęp do probablsty statysty. wyład Charaterysty rozładu prawdopodobeństwa Waracja dyspersja) ozaczaa jao: σ X), varx), VX), DX). Perwaste z waracj azywamy odchyleem stadardowym σx) σ X ) p x E X )) σ X ) f x) x E X ) dx dla zmeych dysretych dla zmeych cągłych Waracja lub odchylee stadardowe) jest marą rozrzutu zmeej losowej woół wartośc oczewaej. W aalze daych dośwadczalych utożsamamy wartość oczewaą pomarów wyoaych w obecośc błędów przypadowych z wartoścą rzeczywstą merzoej welośc. Marą błędu przypadowego jest odchylee stadardowe bo oo oreśla rozrzut wyów woół wartośc rzeczywstej. Wstęp do probablsty statysty. wyład 8

9 --8 Własośc σ X) Warację moża oblczyć stosując wartośc oczewae:. σ X ) E X ) E X ) co prowadz w osewecj do: σ C) σ CX) C σ X) σ C X+C ) C σ X). Dla ezależych zmeych X, X, X σ C X ) C σ X ) Wstęp do probablsty statysty. wyład Nerówość Czebyszewa Iterpretacja waracj wya z erówośc Czebyszewa: P a X E X ) a. σ X )) Twerdzee: Prawdopodobeństwo odchylea wartośc zmeej losowej od oczewaej EX) o a-rotą wartość odchylea stadardowego jest mejsze bądź rówe /a Twerdzee to jest słusze dla wszystch rozładów, tóre mają warację a zatem wartość oczewaą. Lczba a jest dowolą, dodatą lczbą rzeczywstą. Wstęp do probablsty statysty. wyład Waracja jao mara rozproszea DUŻE ROZPROSZENIE MNIEJSZE ROZPROSZENIE Wstęp do probablsty statysty. wyład 7 9

10 --8 Rozstęp jao mara rozproszea ROZSTĘP x max -x m Wstęp do probablsty statysty. wyład 8 Pratycze sposoby oblczaa waracj Waracja z próby -elemetowej): s x średa x x) Waracja z populacj N-elemetowej): σ N μ średa z populacj N x μ) oczewaa ) Wstęp do probablsty statysty. wyład 9 Pratycze sposoby oblczaa odchylea stadardowego Odchylee stadardowe próby lub: błąd stadardowy): s x x) Odchylee stadardowe populacj): σ N N x μ) Wstęp do probablsty statysty. wyład

11 --8 Rozład dwuputowy zero-jedyowy), p. rzut moetą wylosowae resz brau orła, poraż) x, wylosowae orła dobrego wyrobu, sucesu) x, p - prawdopodobeństwo sucesu, jego rozład: x p -p p Dwumaowy ag.bomal, Beroullego) gdze <p<; X{,,, } - lczba sucesów w losowau -rotym ze zwracaem dla jest to rozład dwuputowy Wstęp do probablsty statysty. wyład Przyładowe rozłady dla dysretej zmeej losowej p p p,,,, ) K Rozład dwumaowy Beroullego) - założea Esperymet losowy słada sę z prób Beroullego, tach że:. Każda próba jest ezależa od ych.. Każda próba może meć tylo dwa wy: suces porażę bare!).. Prawdopodobeństwo sucesu wyos p jest wartoścą stałą. Wstęp do probablsty statysty. wyład Pytamy o prawdopodobeństwo p zdarzea, że zmea losowa X będze rówa lośc otrzymaych -sucesów przy próbach. p p p,,,, ) K Trójąt Pascala Wstęp do probablsty statysty. wyład! )!! W rozładze występuje symbol b a b a + ) dwuma Newtoa

12 --8 Trójąt Pascala Wstęp do probablsty statysty. wyład + Rozład Beroullego Przyład. Prawdopodobeństwo, że w daym załadze producyjym dzee zużyce wody e przeroczy pewego ustaloego pozomu wyos p/. Motorujemy zużyce wody w załadze przez d. Wyzaczyć prawdopodobeństwo, że w cągu d obserwacj, zużyce e przeroczy ustaloego pozomu odpowedo w,,,, dach. Tutaj sucesem jest odpowede zużyce wody w jedym du. Dae: Wstęp do probablsty statysty. wyład,,, K N q p Wstęp do probablsty statysty. wyład ) ) ) ) ) ) ) P P P P P P P Do rozwązaa zadaa wyorzystujemy właścwośc dwumau Newtoa trójąt Pascala. Rozład Beroullego

13 --8 Rozład Beroullego P). P) 8 P). 9 P) P). 9 P) P). 99 P) P) P) 8 P). 999 P) 79 P).78 Wstęp do probablsty statysty. wyład 7 Rozład Beroullego,,,,,97, P),,,,,78,,,, 7 Najwęsze prawdopodobeństwo uzysujemy dla co ozacza, że prawdopodobeństwo zdarzea, że pozom wody w załadze w cągu d e przeroczy ustaloego pozomu dzeego jest ajwęsze. Wstęp do probablsty statysty. wyład 8 Rozład Beroullego Wstęp do probablsty statysty. wyład 9

14 --8 Rozład Beroullego Wartość oczewaa w rozładze Beroullego E X ) μ p Waracja w rozładze Beroullego V X ) σ p p) Wstęp do probablsty statysty. wyład Przyład.7 Błędy w trasmsj btów Przy przesyłau formacj przez aał cyfrowej trasmsj zdarzają sę błędy pojedyczych btów. Załóżmy, że prawdopodobeństwo, że pojedyczy bt dotrze do osumeta z błędem wyos p, chocaż obetywe e jest to suces, to tutaj p azwemy prawdopodobeństwem sucesu) Załóżmy, że oleje aty trasmsj są ezależe. Nech X ozacza zmeą losową, tórejwartośc są rówe lośc btów przesłaych z błędem, w sewecj olejych btów. Ozaczmy E błąd btu,o bra błędu. Wy trasmsj OEOE ozacza, że drug czwarty bt są błęde, X; olejość e jest stota czyl EEOO też odpowada X Wstęp do probablsty statysty. wyład Przyład.7 cd Błędy w trasmsj btów Zdarzee opsae zmeą losową X to zbór astępujących wyów: {EEOO, EOEO, EOOE, OEEO, OEOE, OOEE} Jae jest prawdopodobeństwo PX) zdarzea, że dwa bty w sewecj czterech zostaą przesłae z błędem? Zdarzea są ezależe węc PEEOO)PE)PE)PO)PO),),9),8 Zdarzea są wzajeme wyluczające mają to samo prawdopodobeństwo wystąpea węc PX) PEEOO),),9),8).8 Wstęp do probablsty statysty. wyład

15 --8 Przyład.7 cd Błędy w trasmsj btów! )!! AzatemPX),),9) dae jest rozładem Beroullego P X x) p x PX ), PX ),9 PX ),8 PX ), PX ), x p) x, x,,,,, p, Wstęp do probablsty statysty. wyład Rozład Possoa Posłużmy sę przyładem.7 trasmsj btów przez aał cyfrowy. Nech zmea losowa X będze przyjmowała wartośc rówe lośc btów przesłaych z błędem. Jeżel prawdopodobeństwo p zdarzea przesłaa błędego btu jest stałe olejeatytrasmsjsą ezależe, to X ma rozład dwumaowy Beroullego). Wprowadźmy parametr λp EX) dla tego rozładu rówa sę λ) x P X x) p p) x x x λ λ x x Załóżmy, że wzrasta a p maleje ta, że λp pozostaje stałe. Rozład przechodz w rozład Possoa. Wstęp do probablsty statysty. wyład lm P X x) lm Rozład Possoa Załóżmy, że wzrasta a p maleje ta, że λp pozostaje stałe. Rozład przechodz w rozład Possoa. x λ λ x x λ x e λ x! Ze względu a to, że lczba przesyłaych btów zmerza do esończoośc, lczba błędów może być rówa dowolej eujemej lczbe całowtej. Zares możlwych wartośc X sęga od do Rozład Possoa stosujemy pod pewym waruam dla zmeej losowej X, tóra jest rówa lczbe zdarzeń zlczeń) w daym przedzale przy podzale a podprzedzały) w esperymece losowym zwaym procesem Possoa. Wstęp do probablsty statysty. wyład

16 --8 Proces Possoa Załóżmy, że day przedzał lczb rzeczywstych może być podzeloy a podprzedzały o małej długośc taej że:. Prawdopodobeństwo węcej ż jedego zlczea w tym podprzedzale jest rówe zero.. Prawdopodobeństwo jedego zlczea w podprzedzale jest tae samo dla wszystch podprzedzałów proporcjoale do jego długośc. Zlczae w ażdym podprzedzale jest ezależe od ych podprzedzałów Esperymet losowy tóre speła te waru azywamy procesem Possoa. Zmeą losową X tóra jest rówa lczbe zlczeń w przedzale azywamy zmeą losową Possoa. Fucja gęstośc prawdopodobeństwa fx) jest zależa od parametru λ λ x e λ f x), gdze x,,,k x! Wstęp do probablsty statysty. wyład Rozład Possoa Przyład.8 Podczas specj ceego medzaego przewoda stwerdzoo występowae uszodzeń. Ozaczmy przez X zmeą losową rówą lczbe uszodzeń zlczeń) adługośc L przewoda załóżmy, że średa lczba uszodzeń a całej długośc wyos λ. Należyzaleźć fucję gęstośc prawdopodobeństwa zmeej X. Dzelmy długość L la mlmetrów) a podprzedzałów o bardzo małej długośc p. mrometr. prawdopodobeństwo, że a tym podprzedzale wystąp węcej ż jedo uszodzee, jest zaedbywale małe Założee, że uszodzea są losowe pozwala przyjąć, że a ażdym podprzedzale prawdopodobeństwo uszodzea jest tae samo wyos p Załadamy, ezależość zdarzeń a podprzedzałach Wstęp do probablsty statysty. wyład 7 Rozład Possoa Przyład.8 Moża w tym przyładze zatem modelować rozład zmeej losowej X rozładem dwumaowym: E X ) λ p czyl λ p Prawdopodobeństwo, że podprzedzał zawera wadę wyos λ/ gdy jest bardzo duże, p jest bardzo małe. Rozład uszodzeń to rozład Possoa. Prawdopodobeństwo, że podprzedzał zawera wadę wyos λ/ gdy jest bardzo duże, p jest bardzo małe. Rozład uszodzeń to rozład Possoa. Wstęp do probablsty statysty. wyład 8

17 --8 Rozład Possoa Rozład Possoa to jede z elczych rozładów, w tórym wartość oczewaa jest rówa waracj: E X ) p λ Z waracj w rozładze Beroullego przy dużym małym p, otrzymujemy V X ) σ p p) V X ) σ lm p p ) p λ, p czyl warację w rozładze Possoa. Wstęp do probablsty statysty. wyład 9 Rozład Possoa Rozład Possoa ma wele zastosowań zwłaszcza w esperymetach fzy jądrowej atomowej, p. rozpadach jąder atomowych, atach emsj cząste, tp. Przedzał, o tórym mówlśmy może być przedzałem czasu często), wycem powerzch, elemetem objętośc. Rozład może być stosoway do systemów z dużą lczbą możlwych zdarzeń, z tórych ażde jest bardzo rzade prawo rzadch zdarzeń). Przyłady zdarzeń, tóre mogą być modelowae rozładem Possoa: Hstorycze lczba zabtych przez opęce oa ażdego rou w orpuse awaler w Prusach W.Bortewcz 88-9) Lczba połączeń telefoczych przychodzących do cetral a mutę Lcza mutacj w daym odcu DNA po espozycj a pewą dawę promeowaa Odsete omóre, tóre zostaą zaażoe dla daej lczebośc zaażeń W eletroce szum Possoa śrutowy); zarstość przy powęszau fotograf, zastosowaa moleulare Wstęp do probablsty statysty. wyład Rozład Possoa,,,,,,,, Wstęp do probablsty statysty. wyład lambda lambda lambda x Fucja rozładu Beroullego ; p, Possoa: λ,,8,7,8,8,8,,,,,,,, Rozład dysrety o esończoej lczbe wartośc x- dowola lczba całowta x. Dla dużych rozład Beroullego upodaba sę do rozładu Possoa 7

18 --8 Rozład ormaly Gaussa) ROZKŁAD GRANICZNY rozład ormaly) Najczęścej spotyaym rozładem zmeej losowej jest rozład ormaly zway rozładem Gaussa). Cetrale twerdzee gracze sformułowae po raz perwszy w 7 r. przez de Movre a. Jeżel powtarzamy welorote esperymet losowy, rozład zmeej losowej, będącej średą lub sumą) wszystch wyów zmerza do rozładu ormalego przy bardzo dużej lczbe powtórzeń esperymetu. Wstęp do probablsty statysty. wyład Rozład ormaly Gaussa) Zmea losowa X charateryzująca sę fucją gęstośc prawdopodobeństwa fx) daą wzorem: x μ f x) exp, gdze - < x < + σ π σ azywaa jest zmeą o rozładze ormalym tylo dwóch parametrach < μ < +, σ > Moża poazać, że wartość oczewaa EX)μ a waracja VX)σ Używa sę zapsu Nμ,σ) Wstęp do probablsty statysty. wyład Rozład ormaly Gaussa) Wartość oczewaa, położee masmum gęstośc prawdopodobeństwa moda) medaa porywają sę xμ). Rozład jest symetryczy rzywa Gaussa rzywa dzwoowa). Waracja jest marą szeroośc rozładu. Puty o współrzędych x+σ x- σ są putam przegęca. Wstęp do probablsty statysty. wyład 8

19 --8 Rozład ormaly Gaussa) Rozład ormaly jest rozładem błędów przypadowych wyów welu esperymetów fzyczych. Marą błędu pomaru jest odchylee stadardowe σ. Pomar o węszym σ charateryzuje sę węszym rozrzutem wyów woół wartośc średej a zatem mejszą precyzją. Wstęp do probablsty statysty. wyład Stadardowy rozład ormaly Zmea losowa Z charateryzująca sę fucją gęstośc prawdopodobeństwa Nz) daą wzorem: z N z) exp, gdze - < z < + π azywaa jest zmeą stadaryzowaą tj. o stadardowym rozładze ormalym N,) E Z), V Z) Defcja zmeej stadardowej μ Z X σ Wstęp do probablsty statysty. wyład Stadardowy rozład ormaly KORZYŚCI STANDARYZACJI: Stwarza możlwość tablcowaa fucj gęstośc prawdopodobeństwa dystrybuaty dla N,). Moża stworzyć zmeą o rozładze Nµ,σ) przez prostą trasformację X σ*z+µ Przez stadaryzację sprowadzamy wszyste wartośc orygalej zmeej losowej do obszaru w poblżu zera a jedostą jest odchylee stadardowe. Dzę temu moża porówywać rozłady welośc różące sę zacze położeem cetrum salą wartośc Wstęp do probablsty statysty. wyład 7 9

20 --8 Oblczae prawdopodobeństwa w rozładze Gaussa Φx) 8.% pow. x -σ, + σ) -σ, + σ) -σ, + σ) Pμ-σ <X< μ+σ),87 ooło / wyów), Pμ-σ <X< μ+σ),9 Pμ-σ <X< μ+σ),997 prawe wszyste) Wstęp do probablsty statysty. wyład 8 Przyład.9 Sera wyów próba) x,x,.x obarczoych epewoścą przypadową jest duża gdy <. W próbe taej wy sę powtarzają: jest lczbą pomarów, w tórych wystąpł wy x, / jest częstoścą występowaa wyu x /,,,,,,,,, 7,7,7,,8,9,9,7,,8,,8,,,,,,,, Suma 9 Wstęp do probablsty statysty. wyład 9 Opracowae ser pomarów bezpośredch dużej próby Średa arytmetycza estymator wartośc oczewaej Estymator odchylea stadardowego x x x) σ σ, x x,9 8 Hstogram,,,,8,,, x W tablcach szuamy wartośc N,) dla zmeej Z; porówujemy z hstogramem Tworzymy zmeą x,9 z stadardową Z o x x) wartoścach z, ux) ) Wstęp do probablsty statysty. wyład

21 --8 Cetrale twerdzee gracze tucyje sformułowae dla welu zmeych losowych Zmea Z będąca stadaryzowaą sumą ezależych zmeych losowych będze mała stadardowy rozład ormaly gdy lczba sładów w sume dąży do esończoośc oraz w sume e występują zmee o waracjach domujących w stosuu do reszty sładów. To twerdzee powoduje, że rozład ormaly jest wyróżoym rozładem Wstęp do probablsty statysty. wyład

JEDNOWYMIAROWA ZMIENNA LOSOWA

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ Podstawowe pojęca rachuu prawdopodobeństwa: zdarzee losowe, zdarzee elemetare, prawdopodobeństwo, zbór zdarzeń elemetarych. Def. Nech E będze zborem

Bardziej szczegółowo

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2 Pojęce przedzału ufośc Przyład: Rozważmy pewe rzad proces (tz. ta tórego lczba zajść podlega rozładow Possoa). W cągu pewego czasu zaobserwowao =3 tae zdarzea. Oceć możlwy przedzał lczby zdarzeń tego typu

Bardziej szczegółowo

ROZKŁADY ZMIENNYCH LOSOWYCH

ROZKŁADY 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 szczegółowo

. Wtedy E V U jest równa

. Wtedy E V U jest równa Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

Analiza Matematyczna Ćwiczenia. J. de Lucas Aalza Matematycza Ćwczea J. de Lucas Zadae. Oblczyć grace astępujących fucj a lm y 3,y 0,0 b lm y 3 y ++y,y 0,0 +y c lm,y 0,0 + 4 y 4 y d lm y,y 0,0 3 y 3 e lm,y 0,0 +y 4 +y 4 f lm,y 0,0 4 y 6 +y 3 g lm,y

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) ,,, ~ B, β ( β β ( ( Γ( β Γ + f ( Γ ( + ( + β + ( + β Γ + β Γ + Γ + β Γ + + β E Γ Γ β Γ Γ + + β Γ + Γ β + β β β Γ + β Γ + Γ + β Γ + + β E ( Γ Γ β Γ Γ + + β Γ + Γ β β + β Metoda mometów polega a przyrówau

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya

Bardziej szczegółowo

Wykład 4. Zmienne losowe i ich rozkłady

Wykład 4. Zmienne losowe i ich rozkłady Wstęp do probabilistyi i statystyi Wyład. Zmienne losowe i ich rozłady dr hab.inż. Katarzyna Zarzewsa, prof.agh, Katedra Eletronii, WIET AGH Wstęp do probabilistyi i statystyi. wyład Plan: Pojęcie zmiennej

Bardziej szczegółowo

VI. TWIERDZENIA GRANICZNE

VI. TWIERDZENIA GRANICZNE VI. TWIERDZENIA GRANICZNE 6.. Wprowadzee Twerdzea gracze dotyczą własośc graczych cągów zmeych losowych dzelą sę a:! twerdzea lokale opsują zbeżośc cągu fukcj prawdopodobeństwa w przypadku cągu {X } zmeych

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej Podstawy Mary położea wskazują mejsce wartośc ajlepej reprezetującej wszystke welkośc daej zmeej. Mówą o przecętym pozome aalzowaej cechy. Średa arytmetycza suma wartośc zmeej wszystkch jedostek badaej

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość

Bardziej szczegółowo

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów. Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer

Bardziej szczegółowo

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości Zadae. Nech Nech (, Y będze dwuwymarową zmeą losową o fukcj gęstośc 4 x + xy gdy x ( 0, y ( 0, f ( x, y = 0 w przecwym przypadku. S = + Y V Y E V S =. =. Wyzacz ( (A 0 (B (C (D (E 8 8 7 7 Zadae. Załóżmy,

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne Mary położea Średa arytmetycza Klasycze Średa harmocza Średa geometrycza Mary położea e Modala Kwartyl perwszy Pozycyje Medaa (kwartyl drug) Kwatyle Kwartyl trzec Decyle Średa arytmetycza = + +... + 2

Bardziej szczegółowo

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1 POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.

Bardziej szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

ma rozkład normalny z nieznaną wartością oczekiwaną m Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee

Bardziej szczegółowo

SPOŁECZNA AKDAEMIA NAUK W ŁODZI

SPOŁECZNA AKDAEMIA NAUK W ŁODZI SPOŁECZNA AKDAEMIA NAUK W ŁODZI KIERUNEK STUDIÓW: ZARZĄDZANIE PRZEDMIOT: METODY ILOŚCIOWE W ZARZĄDZANIU (MATERIAŁ POMOCNICZY PRZEDMIOT PODSTAWOWY ) Łódź Sps treśc Moduł Wprowadzee do metod loścowych w

Bardziej szczegółowo

Statystyczne charakterystyki liczbowe szeregu

Statystyczne charakterystyki liczbowe szeregu Statystycze charakterystyk lczbowe szeregu Aalzę badaej zmeej moża uzyskać posługując sę parametram opsowym aczej azywaym statystyczym charakterystykam lczbowym szeregu. Sytetycza charakterystyka zborowośc

Bardziej szczegółowo

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10) Tablca Galtoa. Mechaczy model rozkładu ormalego (M) I. Zestaw przyrządów: Tablca Galtoa, komplet kulek sztuk. II. Wykoae pomarów.. Wykoać 8 pomarów, wrzucając kulk pojedyczo.. Uporządkować wyk pomarów,

Bardziej szczegółowo

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =?

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =? Mary położea rozkładu Wykład 9 Statystyk opsowe Średa z próby, mea(y) : symbol y ozacza lczbę; arytmetyczą średą z obserwacj Symbol Y ozacza pojęce średej z próby Średa jest środkem cężkośc zboru daych

Bardziej szczegółowo

IV. ZMIENNE LOSOWE DWUWYMIAROWE

IV. ZMIENNE LOSOWE DWUWYMIAROWE IV. ZMIENNE LOSOWE DWUWYMIAROWE 4.. Rozkład zmeej losowej dwuwymarowej Defcja 4.. Uporządkowaą parę (X, Y) azywamy zmeą losową dwuwymarową, jeśl każda ze zmeych X Y jest zmeą losową. Defcja 4.. Fukcję

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona: Zadae. W kolejych okresach czasu t =, ubezpeczoy, charakteryzujący sę parametrem ryzyka Λ, geeruje N t szkód. Dla daego Λ = λ zmee N, N są warukowo ezależe mają (brzegowe) rozkłady Possoa: k λ Pr( N t

Bardziej szczegółowo

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki: Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) Praca Domowa:.. ( α β ( α β α β ( ( α Γ( β α,,..., ~ B, Γ + f Γ ( α + α ( α + β + ( α + β Γ α + β Γ α + Γ α + β Γ α + + β E Γ α Γ β Γ α Γ α + + β Γ α + Γ β α α + β β α β Γ α + β Γ α + Γ α + β Γ α + + β

Bardziej szczegółowo

Pojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k

Pojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k Statystya Wyład Adam Ćmel A4 5 cmel@agh.edu.pl Pojęce statysty Pojęce statysty w statystyce matematyczej jest odpowedem pojęca zmeej losowej w rachuu prawdopodobeństwa. Nech X(X,...,X ) będze próbą z pewej

Bardziej szczegółowo

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X PERMUTACJE Permutacą zboru -elemetowego X azywamy dowolą wzaeme edozaczą fucę f : X X f : X X Przyład permutac X = { a, b, c, d } f (a) = d, f (b) = a, f (c) = c, f (d) = b a b c d Zaps permutac w postac

Bardziej szczegółowo

Parametry zmiennej losowej

Parametry 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 szczegółowo

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki) Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?

Bardziej szczegółowo

Podstawy opracowania wyników pomiarowych, analiza błędów

Podstawy opracowania wyników pomiarowych, analiza błędów Podstawy opracowaa wyków pomarowych, aalza błędów I Pracowa Fzycza IF UJ Grzegorz Zuzel Lteratura I Pracowa fzycza Pod redakcją Adrzeja Magery Istytut Fzyk UJ Kraków 2006 Wstęp do aalzy błędu pomarowego

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości Prawdopodobeństwo statystyka 4.0.00 r. Zadae Nech... będą ezależym zmeym losowym z rozkładu o gęstośc θ f ( x) = θ xe gdy x > 0. Estymujemy dodat parametr θ wykorzystując estymator ajwększej warogodośc

Bardziej szczegółowo

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982.

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982. Wyłady z Aalzy rzeczywstej zespoloej w Matematyce stosowaej Lteratura W Rud: Podstawy aalzy matematyczej, PWN, Warszawa, 1982 W Rud: Aalza rzeczywsta zespoloa, PZWS, Warszawa, 1986 W Szabat: Wstęp do aalzy

Bardziej szczegółowo

AKADEMIA MORSKA W SZCZECINIE

AKADEMIA MORSKA W SZCZECINIE AKADEMIA MORSKA W SZCZECINIE Istytut Iżyer Ruchu Morskego Zakład Urządzeń Nawgacyjych Istrukcja r 0 Wzory do oblczeń statystyczych w ćwczeach z radoawgacj Szczec 006 Istrukcja r 0: Wzory do oblczeń statystyczych

Bardziej szczegółowo

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84 Zadae. Zmea losowa X ma rozkład logarytmczo-ormaly LN (, ), gdze E ( X e X e) 4. Wyzacz. EX (A) 0,9 (B) 0,86 (C),8 (D),95 (E) 0,84 Zadae. Nech X, X,, X0, Y, Y,, Y0 będą ezależym zmeym losowym. Zmee X,

Bardziej szczegółowo

FUNKCJE ZMIENNYCH LOSOWYCH. Uwagi o rozkładzie funkcji zmiennej losowej jednowymiarowej.

FUNKCJE ZMIENNYCH LOSOWYCH. Uwagi o rozkładzie funkcji zmiennej losowej jednowymiarowej. L.Kowals Fucje zmeych losowych FUNKCJE ZMIENNYCH LOSOWYCH Uwag o rozładze fucj zmeej losowej jedowymarowej. Jeśl - soowa, o fucj prawdopodobeńswa P( x ) p, g - dowola o fucja prawdopodobeńswa zmeej losowej

Bardziej szczegółowo

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego). TESTY NORMALNOŚCI Test zgodośc Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład ormaly). Hpoteza alteratywa H1( Cecha X populacj e ma rozkładu ormalego). Weryfkacja powyższych hpotez za pomocą tzw. testu

Bardziej szczegółowo

Podstawowe pojcia. Metody probabilistyczne i statystyka Wykład 7: Statystyka opisowa. Rozkłady prawdopodobiestwa wystpujce w statystyce.

Podstawowe pojcia. Metody probabilistyczne i statystyka Wykład 7: Statystyka opisowa. Rozkłady prawdopodobiestwa wystpujce w statystyce. Metody probablstycze statystyka Wykład 7: Statystyka opsowa. Rozkłady prawdopodobestwa wystpujce w statystyce. Podstawowe pojca Populacja geerala - zbór elemetów majcy przyajmej jed włacwo wspól dla wszystkch

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne TATYTYKA MATEMATYCZNA WYKŁAD Wadomośc wstępe tatystyka to dyscypla aukowa, której zadaem jest wykrywae, aalza ops prawdłowośc występujących w procesach masowych. Populacja to zborowość podlegająca badau

Bardziej szczegółowo

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i= ESTYMATOR WARIANCJI I DYSPERSJI Ozaczmy: µ wartość oczekwaa rozkładu gauowkego wyków pomarów (wartość prawdzwa merzoej welkośc σ dyperja rozkładu wyków pomarów wyk er pomarów (,..., Stoując metodę ajwękzej

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi o tym samym 2 x

będą niezależnymi zmiennymi losowymi o tym samym 2 x Prawdopodobeństwo statystyka 8.0.007 r. Zadae. Nech,,, rozkładze z gęstoścą Oblczyć m E max będą ezależym zmeym losowym o tym samym { },,, { },,, gdy x > f ( x) = x. 0 gdy x 8 8 Prawdopodobeństwo statystyka

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

Planowanie eksperymentu pomiarowego I POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak

Bardziej szczegółowo

Analiza spektralna stóp zwrotu z inwestycji w akcje

Analiza spektralna stóp zwrotu z inwestycji w akcje Nasz rye aptałowy, 003 r3, str. 38-43 Joaa Góra, Magdalea Osńsa Katedra Eoometr Statysty Uwersytet Mołaja Kopera w Toruu Aalza spetrala stóp zwrotu z westycj w acje. Wstęp Agregacja w eoom eoometr bywa

Bardziej szczegółowo

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH L.Kowalsk PODSTAWOWE TESTY STATYSTYCZNE TESTY STATYSTYCZNE poteza statystycza to dowole przypuszczee dotyczące rozkładu cechy X. potezy statystycze: -parametrycze dotyczą ezaego parametru, -parametrycze

Bardziej szczegółowo

Wyrażanie niepewności pomiaru

Wyrażanie niepewności pomiaru Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 05 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway

Bardziej szczegółowo

PDF created with FinePrint pdffactory Pro trial version WIII/1

PDF created with FinePrint pdffactory Pro trial version  WIII/1 Statystyka opsowa Statystyka zajmuje sę zasadam metodam uogólaa wyków otrzymaych z próby losowej a całą populację (czyl zborowość, z której została pobraa próba). Take postępowae azywamy woskowaem statystyczym.

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo 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 szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych dr Ewa Wycka Wyższa Szkoła Bakowa w Gdańsku Wtold Komorowsk, Rafał Gatowsk TZ SKOK S.A. Statystycza aalza mesęczych zma współczyka szkodowośc kredytów hpoteczych Wskaźk szkodowośc jest marą obcążea kwoty/lczby

Bardziej szczegółowo

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji Zadae. Zmea losowa (, Y, Z) ma rozkład ormaly z wartoścą oczekwaą E = EY =, EZ = 0 macerzą kowaracj. Oblczyć Var(( Y ) Z). (A) 5 (B) 7 (C) 6 Zadae. Zmee losowe,, K,,K P ( = ) = P( = ) =. Nech S =. Oblcz

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH dr Mchał larsk I Pracowa Fzycza IF UJ, 9.0.06 Pomar Pomar zacowae wartośc prawdzwej Bezpośred (welkość fzycza merzoa jest

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA STATYSTYKA MATEMATYCZNA WYKŁAD ESTYMACJA PUNKTOWA Nech - ezay parametr rozkładu cechy X. Wartość parametru będzemy estymować (przyblżać) a podstawe elemetowej próby. - wyberamy statystykę U o rozkładze

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jacka wykład II, 3.05.016 PORÓWNANIE WIĘCEJ NIŻ DWÓCH POPULACJI TESTY NIEPARAMETRYCZNE Pla a dzsaj 1. Porówywae węcej ż dwóch populacj test jedoczykowej aalzy waracj (ANOVA).

Bardziej szczegółowo

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu METODA RÓŻIC SKOŃCZOYCH (omówee a przykładze rówań lowych) ech ( rówaa różczkowe zwyczaje lowe I-rz.) lub jedo II-rzędu f / / p( x) f / + q( x) f + r( x) a x b, f ( a) α, f ( b) β dea: a satce argumetu

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA Zajęcia wyrównawcze AJD w Częstochowie; 2009/2010. Irena Fidytek

RACHUNEK PRAWDOPODOBIEŃSTWA Zajęcia wyrównawcze AJD w Częstochowie; 2009/2010. Irena Fidytek RACHUNEK PRAWDOPODOBIEŃSTWA Zajęca wyrówawcze AJD w Częstochowe; 2009/200 Irea Fdyte PODSTAWOWE WIADOMOŚCI Z KOMBINATORYKI Nech X { x x x } =, 2, będze daym zborem -elemetowym Z elemetów tego zboru a róże

Bardziej szczegółowo

CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (Parametry statystyczne) MIARY POŁOśENIA

CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (Parametry statystyczne) MIARY POŁOśENIA D. Mszczyńsa, M.Mszczyńs, Materały do wyładu ze Statysty, 009/0 [] CHARAKTERYSTYKI LICZBOWE STRUKTURY ZBIOROWOŚCI (Parametry statystycze) PARAMETRY STATYSTYCZNE - lczby słuŝące do sytetyczego opsu strutury

Bardziej szczegółowo

Wyższe momenty zmiennej losowej

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

Bardziej szczegółowo

Statystyka Opisowa Wzory

Statystyka Opisowa Wzory tatystyka Opsowa Wzory zereg rozdzelczy: x - wartośc cechy - lczebośc wartośc cechy - lczebość całej zborowośc Wskaźk atężea przy rysowau wykresu szeregu rozdzelczego przedzałowego o erówych przedzałach:

Bardziej szczegółowo

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7 6. Przez 0 losowo wybrayh d merzoo zas dojazdu do pray paa A uzyskują próbkę x,..., x 0. Wyk przedstawały sę astępująo: jest to próbka losowa z rozkładu 0 0 x 300, 944. x Zakładamy, że N ( µ, z ezaym parametram

Bardziej szczegółowo

Konspekt wykładu STATYSTYKA MATEMATYCZNA rok 2007/2008 Strona 1

Konspekt wykładu STATYSTYKA MATEMATYCZNA rok 2007/2008 Strona 1 Kospet wyładu STATYSTYKA MATEMATYCZNA ro 7/8 Stroa Języ prawdopodobeństwo jego rozład Pojęce rozładu prawdopodobeństwa lczby z totolota jao zmee losowe o rozładze sretym zmea losowa częstoścowa defcja

Bardziej szczegółowo

Matematyczne metody opracowywania wyników

Matematyczne metody opracowywania wyników Matematycze metody opracowywaa wyów Statystya rachue epewośc Paweł Ża Wydzał Odlewctwa AGH Katedra Iżyer Procesów Odlewczych Kraów, gruda 00 Opracowae rzywej stygęca 3 4 5 6 7 Formuły a przyblżae pochodej

Bardziej szczegółowo

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

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

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIESTWA wybrane zagadnienia

RACHUNEK PRAWDOPODOBIESTWA wybrane zagadnienia L.Kowals Wybrae zagadea z rachuu prawdopodobestwa RACHUNEK PRAWDOPODOBIESTWA wybrae zagadea PRAWDOPODOBIESTWO Przyład Rozpatrzmy jao dowadczee losowe jedoroty rzut szece ost. Choca e potrafmy przewdze

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8 Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja

Bardziej szczegółowo

Równania rekurencyjne

Równania rekurencyjne Rówaa reurecyje Ja stosować do przelczaa obetów obatoryczych? zaleźć zwąze reurecyjy, oblczyć la początowych wartośc, odgadąć ogóly wzór, tóry astępe udowaday stosując ducję ateatyczą. W etórych przypadach,

Bardziej szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

STATYSTKA I ANALIZA DANYCH LAB II STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.

Bardziej szczegółowo

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Różczkowae fukcj rzeczywstych welu zmeych rzeczywstych Matematyka Studum doktoracke KAE SGH Semestr let 8/9 R. Łochowsk Pochoda fukcj jedej zmeej e spojrzee Nech f : ( α, β ) R, α, β R, α < β Fukcja f

Bardziej szczegółowo

ELEMENTY TEORII MOŻLIWOŚCI

ELEMENTY TEORII MOŻLIWOŚCI ELEMENTY TEORII MOŻLIWOŚCI Opracował: M. Kweselewcz Zadeh (978) wprowadzł pojęce rozkładu możlwośc jako rozmyte ograczee, kóre odzaływuje w sposób elastyczy a wartośc przypsae daej zmeej. Defcja. Nech

Bardziej szczegółowo

Rozkład normalny (Gaussa)

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

Bardziej szczegółowo

ĆWICZENIE 5 TESTY STATYSTYCZNE

ĆWICZENIE 5 TESTY STATYSTYCZNE ĆWICZENIE 5 TESTY STATYSTYCZNE Cel Przedstawee wybraych testów statystyczych zasad wyboru właścwego testu przeprowadzea go oraz terpretac wyów. Wprowadzee teoretycze Testem statystyczym azywamy metodę

Bardziej szczegółowo

Metoda Monte-Carlo i inne zagadnienia 1

Metoda Monte-Carlo i inne zagadnienia 1 Metoda Mote-Carlo e zagadea Metoda Mote-Carlo Są przypadk kedy zamast wykoać jakś eksperymet chcelbyśmy symulować jego wyk używając komputera geeratora lczb (pseudolosowych. Wększość bblotek programów

Bardziej szczegółowo

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min Fukca warogodośc Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x;. Fukcą warogodośc dla próby x azywamy welkość: ( x; f ( x ; L Twerdzee (Cramera-Rao: Mmala wartość warac m dowolego eobcążoego

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 4 Nieparametryczne testy istotności ZADANIE DOMOWE. Strona 1

KURS STATYSTYKA. Lekcja 4 Nieparametryczne testy istotności ZADANIE DOMOWE.  Strona 1 KURS STATYSTYKA Lecja 4 Nearametrycze testy stotośc ZADANIE DOMOWE www.etraez.l Stroa 1 Część 1: TEST Zazacz orawą odowedź (tylo jeda jest rawdzwa). Pytae 1 W testach earametryczych a) Oblczamy statystyę

Bardziej szczegółowo

Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości parametrów rozkładu populacji.

Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości parametrów rozkładu populacji. Botatytyka, 018/019 dla Fzyk Medyczej, tuda magterke etymacja etymacja średej puktowa przedzał ufośc średej rozkładu ormalego etymacja puktowa przedzałowa waracj rozkładu ormalego etymacja parametrów rozkładu

Bardziej szczegółowo

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5 L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk

Bardziej szczegółowo

5. OPTYMALIZACJA NIELINIOWA

5. OPTYMALIZACJA NIELINIOWA 5. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często, że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też, oprócz lowych zadań decyzyjych, formułujemy także elowe

Bardziej szczegółowo

Niepewności pomiarów. DR Andrzej Bąk

Niepewności pomiarów. DR Andrzej Bąk Nepewośc pomarów DR Adrzej Bąk Defcje Błąd pomar - różca mędz wkem pomar a wartoścą merzoej welkośc fzczej. Bwa też azwa błędem bezwzględm pomar. Poeważ wartość welkośc merzoej wartość prawdzwa jest w

Bardziej szczegółowo

STATYSTYKA. Zmienna losowa skokowa i jej rozkład

STATYSTYKA. 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 szczegółowo

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym? Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)

Bardziej szczegółowo

METODY ANALIZY DANYCH DOŚWIADCZALNYCH

METODY ANALIZY DANYCH DOŚWIADCZALNYCH POLITECHNIKA Ł ÓDZKA TOMASZ W. WOJTATOWICZ METODY ANALIZY DANYCH DOŚWIADCZALNYCH Wybrae zagadea ŁÓDŹ 998 Przedsłowe Specyfką teor pomarów jest jej wtóry charakter w stosuku do metod badawczych stosowaych

Bardziej szczegółowo

STATYSTYKA DANYCH SAMOSKORELOWANYCH

STATYSTYKA DANYCH SAMOSKORELOWANYCH Semarum Wydzału u Fzy Iformaty Stosowaej AGH 6 weta 00 STATYSTYKA DANYCH SAMOSKORELOWANYCH Adrzej Zęba Pla:. Wstęp - formalzm stadardowy jego ograczea - matematyczy ops daych samosorelowaych. Teora aaltycza,

Bardziej szczegółowo

STATYSTYKA OPISOWA WYKŁAD 3,4

STATYSTYKA OPISOWA WYKŁAD 3,4 STATYSTYKA OPISOWA WYKŁAD 3,4 5 Szereg rozdzelczy przedzałowy (dae pogrupowae) (stosujemy w przypadku dużej lczby epowtarzających sę daych) Przedzał (w ; w + ) Środek x& Lczebość Lczebość skumulowaa s

Bardziej szczegółowo

Identyfikacja i ocena ryzyka wykonania planu produkcji w przedsiębiorstwie górniczym

Identyfikacja i ocena ryzyka wykonania planu produkcji w przedsiębiorstwie górniczym Prof. dr hab. ż. HENRYK PRZYBYŁA, dr hab. ż. STANISŁAW KOWALIK Poltecha Śląsa, Glwce Idetyfacja ocea ryzya wyoaa plau producj w przedsęborstwe górczym Artyuł opował prof. dr hab. ż. Adrzej Karbow. Wprowadzee

Bardziej szczegółowo

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki tatystycza terpretacja wyków eksperymetu Małgorzata Jakubowska Katedra Chem Aaltyczej Wydzał IŜyer Materałowej Ceramk AGH Podstawowe zadae statystyk tatystyka to uwersale łatwo dostępe arzędze, które pomaga

Bardziej szczegółowo

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

Kier. 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 szczegółowo

Lekcja 1. Pojęcia podstawowe: Zbiorowość generalna i zbiorowość próbna

Lekcja 1. Pojęcia podstawowe: Zbiorowość generalna i zbiorowość próbna TECHNIKUM ZESPÓŁ SZKÓŁ w KRZEPICACH PRACOWNIA EKONOMICZNA TEORIA ZADANIA dla klasy II Techkum Marek Kmeck Zespół Szkół Techkum w Krzepcach Wprowadzee do statystyk Lekcja Statystyka - określa zbór formacj

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Podstawy matematyki finansowej i ubezpieczeniowej

Podstawy matematyki finansowej i ubezpieczeniowej Podstawy matematy fasowej ubezpeczeowej oreślea, wzory, przyłady, zadaa z rozwązaam KIELCE 2 SPIS TREŚCI WSTEP... 7 STOPA ZWROTU...... 9 2 RACHUNEK CZASU W MATEMATYCE FINANSOWEJ. 0 2. DOKŁADNA LICZBA DNI

Bardziej szczegółowo

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej PŁAKA GEOMETRIA MA Środek cężkośc fgury płaskej Mometam statyczym M x M y fgury płaskej względem os x lub y (rys. 7.1) azywamy gracę algebraczej sumy loczyów elemetarych pól d przez ch odległośc od os,

Bardziej szczegółowo

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.

Bardziej szczegółowo

Reprezentacja krzywych...

Reprezentacja krzywych... Reprezeacja rzywych... Reprezeacja przy pomocy fcj dwóch zmeych rzywe płase płase - jedej: albo z z f x y x [ x x2] y [ y y2] f x y g x x [ x x2] Wady: rzywe óre dla pewych x y mogą przyjmować wele warośc

Bardziej szczegółowo

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe.

INSTRUKCJA LABORATORIUM Metrologia techniczna i systemy pomiarowe. INSTRUKCJA LABORATORIUM Metrologa techcza sstem pomarowe. MTSP pomar MTSP 00 Autor: dr ż. Potr Wcślok Stroa / 5 Cel Celem ćwczea jest wkorzstae w praktce pojęć: mezurad, estmata, błąd pomaru, wk pomaru,

Bardziej szczegółowo

Lista 6. Kamil Matuszewski 26 listopada 2015

Lista 6. Kamil Matuszewski 26 listopada 2015 Lsta 6 Kaml Matuszews 6 lstopada 5 4 5 6 7 8 9 4 5 X X X X X X X X X X X D X X N Gdze X-spsae, D-Delarowae, N-edelarowae. Zadae Zadae jest westą odpowedego pomalowaa. Weźmy sobe szachowcę x, poumerujmy

Bardziej szczegółowo

Bajki kombinatoryczne

Bajki kombinatoryczne Artyuł powstał a podstawe odczytu pod tym samym tytułem, wygłoszoego podczas XXXVI Szoły Matematy Poglądowej Pomysł czy rachue? w Grzegorzewcach, styczeń 006. Baj ombatorycze Joaa JASZUŃSKA, Warszawa Ja

Bardziej szczegółowo

Funkcja wiarogodności

Funkcja wiarogodności Fukca warogodośc Defca: Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x; θ. Fukcą warogodośc dla próby x azywamy welkość: ( x; θ f ( x ; θ L Uwaga: Fukca warogodośc to e to samo co łącza

Bardziej szczegółowo

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i ZAJĘCIA NR Dzsaj omówmy o etro, redudacj, średej długośc słowa odowego o algorytme Huffmaa zajdowaa odu otymalego (od ewym względam; aby dowedzeć sę jam doczeaj do ońca). etro JeŜel źródło moŝe adawać

Bardziej szczegółowo