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

Wielkość: px
Rozpocząć pokaz od strony:

Download "( ) ( ) ( ) ( ) ( ) ( )"

Transkrypt

1 ,,, ~ 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 mometów empryczych do teoretyczych rozwązau uładu rówań, ze względu a ezae parametry rozładu Perwszy momet zwyły polczoy a podstawe próby to oczywśce średa arytmetycza, drug momet zwyły to średa z wartośc realzacj zmeych losowych podesoych do wadratu Po przyrówau ależy wyzaczyć szacowae metodą mometów parametry (alfa beta rozwązać uład rówań, ze względu a alfa beta + β ( + ( + β + ( + β Z perwszego rówaa mamy: β ( I po podstaweu do drugego otrzymamy: Wtedy oszacowae drugego parametru wyese: ( ( β

2 ,,, ~ Γ, β β β β E e e β Γ + β Γ Γ Γ β Γ + Γ β β Γ + + Γ + E e e β β + β Γ Γ β Γ + Γ β β + Var β β Powyżej zajdują sę wyrażea a wartość oczewaą warację zmeej losowej z rozładu Gamma Przyrówujemy momety teoretycze do mometów empryczych E Var β ˆ β ˆ β β β,,, ~ Poss λ E Var λ ˆ λ ( ˆ λ Zarówo ja mogą być estymatoram parametru λˆ Zazwyczaj średa polczoa a podstawe próby oraz waracja będą róże Rówość dla rozładu Posso a zachodz jedye dla mometów teoretyczych,,, : f λ λ e ~ Γ, λ ( λ L λ λ e λ e λ e λ e λ λ λ l L λ l λ + l λ d l L ˆ λ dλ λ λ

3 W ogólym przypadu E( f ( f ( E( wobec tego ależy lcząc wartość oczewaą uzysaego estymatora wyzaczyć rozład y ~ Γ(, λ Y Γ(, λ λ λ λ ( E( λ E E Y e dy Y e dy Y Y Γ Γ( λ + + Ostata cała jest rówa jede, pod waruem, że (-> Wyrażee podcałowej jest wtedy fucją gęstośc rozładu Γ(, λ W celu polczea waracj sorzystamy z wzoru: Var E ( E + λ E( λ E E Y e dy ( Y Y Γ + λ λ ( λ Y e dy ( ( Γ( ( ( Przy założeu, że (-> oblczamy aalogcze ja w przypadu wartośc oczewaej λ λ Varλ Eλ ( Eλ ( ( Powyższe wyrażee moża oczywśce uproścć 5 Nech, będą ezależym zmeym losowym z tego samego rozładu o gęstośc f ( e θ dla (, + Wyzaczyć estymator ajwęszej warogodośc θ parametru θ, wyzacz jego wartość oczewaą oraz warację UWAGA: Treść zadaa zameszczoa a stroe zawerała błąd Podaa fucja gęstośc e była fucją gęstośc Należało zameć 6 w maowu a Powyżej treść jest poprawa! ϑ,,, f ( e ~ Γ, E ϑ Var ϑ ϑ ϑ ϑ ϑ ϑ ϑ L( ϑ e e e e ϑ ϑ ϑ ϑ l L ( ϑ l lϑ + l ϑ d l L( ϑ + ϑ d ϑ ϑ ϑ ϑ ϑ

4 ϑ ϑ E E E ϑ Var Var ( Var ϑ Przy lczeu wartośc oczewaej waracj, sorzystalśmy z fatu, że ażda ze zmeych ma detyczą wartość oczewaą oraz waracją dodatowo podczas lczea waracj sorzystalśmy z ezależośc zmeych 6,,, ~ U, [ ] ˆ ˆ F t t F P( Y Y P( Y ˆ E F E Y E ( Y ˆ Var F Var Y Var Y VarY P( θ ( θ + l( θ l + lθ + l( θ l ( θ ( θ θ ˆ θ θ θ + Zmea losowa ozacza lczbę poraże zaobserwowaych do zajśca -tego sucesu Uzysalśmy sesowy estymator prawdopodobeństwa sucesu: lczba zaobserwowaych sucesów podzeloa przez lczbę dośwadczeń (suma poraże sucesów 8 Należy polczyć wartość oczewaą T T ( Mamy do czyea z rozładem wyładczym czyl rozładem Gamma(, λ Podobe ja w zadau ależy zaleźć rozład ajperw y

5 ET E( (, EY Y Γ λ λ λy ( + λ ( + ( + EY Y Y e dy Y e dy Γ λ Γ ( + λ Zowu mamy do czyea z przypadem edy całujemy fucję gęstośc rozładu Gamma po całej dzedze a tórej jest ezerowa, stąd cała upraszcza sę do jedy ( + ( + ET λ λ λ λ tatystya T e jest oczywśce eobcążoym estymatorem podaego w treśc wyrażea, poeważ jej wartość oczewaa e jest rówa szacowaemu wyrażeu 9 λ λ, P( e,,! P( e λ λ λ P( e λe Zauważmy róweż, że: λ F( P( + P( F( P( λ F( F( P( e λ W zadau poazalśmy że dystrybuata emprycza jest eobcążoym estymatorem dystrybuaty teoretyczej, tj E( F ( t F( t E( F ( F ( E( F ( E( F ( F( F( P( λe λ Dlatego wyrażee F ( F ( możemy zastosować jao eobcążoy estymator λe λ F( F( ( ( ( * Nech,, 9 będze próbą losową z rozładu 9 8 N ( µ, Nech 9 9 oraz Czy statystya T jest estymatorem eobcążoym µ dla wyrażea? tatysty są ezależe dla modelu ormalego, czyl: E EE E, µ Należy węc wyzaczyć 8 E Wemy, że T ~ χ ~ Γ (, Przeształcając powyższy wzór otrzymujemy: 8 ( T 8 T 5

6 ( ( t (,5 t T Γ( Γ( Γ(,5,5,5 t Γ(,5 ( Γ( ( Γ (,5 t e dt, E E E T t t e dt t e dt zajdowała sę gęstość zmeej losowej o rozładze Γ (,5; co ozacza, ż zapropooway estymator jest obcążoy gdze sorzystalśmy z fatu, ż pod całą Γ(,5,5,5 (,5,5 Γ * Nech L( θ będze fucją cągła, tóra ma perwszą drugą pochodą cągłą dla θ ( a, b ( a, b R; w szczególośc może to być esończoość Poadto załadamy, że lm L( θ lm L( θ są sończoe oraz L( θ > dla ażdego θ ( a, b Poazać, że θ a θ b ˆ θ ( a, b jest masmum dla L( θ, wtedy tylo wtedy, gdy jest masmum dla l L( θ θ jest argumetem masymalzującym wartość fucj warogodośc L( θ Wtedy mus zachodzć: δ L( θ L'( θ δθ δ L( θ L''( θ < δθ l( L( θ ' L'( θ L( θ Dla θ θ mamy: l( L( θ ' L'( θ oczywste, patrz wyżej L( θ L''( θ L( θ L'( θ L'( θ L''( θ L( θ L'( θ l( L( θ '' ( L'( θ ' L( θ L( θ L( θ Dla θ θ mamy: L''( θ L( θ L'( θ L''( θ L( θ L''( θ L( θ L( θ l( L( θ '' <, bo L''( θ < > L( θ L( θ L( θ L( θ Poazalśmy, że pochoda fucj warogodośc zeruje sę zawsze wtedy, edy logarytm tej fucj Druge pochode tych fucj mają ta sam za w puce zerowae sę pochodej Jeżel θ jest argumetem masymalzującym fucję warogodośc to masymalzuje róweż jej logarytm odwrote! * Zmea losowa ma rozład geometryczy z parametrem θ : Pθ ( θ ( θ, dla,,, Oblcz wartość oczewaą zmeej losowej 6

7 ( [( + ( + ( + E θ θ θ θ θ θ [( + ( + ( + θ θ θ θ [ + ( + ( + θ θ θ θ [ + ( θ + Dość łopotlwą sumę z perwszej lj możemy rozbć a sumy o postac zacze ułatwającej sumowae To co apsao w olejych werszach począwszy od drugego zsumowae da w wyu wyrażee w wersza perwszego Poadto, ażde wyrażee w olejych werszach (od drugego to sumy esończoej lośc wyrazów cągu geometryczego o postępe geometryczym rówym θ Każde z wyrażeń róż sę jedye początowym elemetem, od tórego zaczyamy sumowae Załadając, że θ co do wartośc bezwzględej jest mejsze od jedy możemy oreślć wy powyższych sumowań wyorzystując wzór a sumę esończoej lośc wyrazów cągu geometryczego θ θ θ θ θ θ θ θ θ ( θ θ [( + ( + ( + ( ( ( θ[ + ( θ + ( θ + θ( θ θ( θ ( θ ( θ θ θ[ + ( θ + θ( θ θ( θ ( θ ( θ θ oro szuaa suma to suma powyższych werszy to wystarczy zsumować wy sumowaa ażdego z tych werszy Zauważymy, że sumowae wyrazy to zowu oleje wyrazy cągu geometryczego o postępe θ perwszym wyraze θ E ( θ θ ( θ ( θ ( θ θ 7

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

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

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

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

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

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

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

( 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

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

. 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

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

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

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

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

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

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

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

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

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

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

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

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

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

będzie próbką prostą z rozkładu normalnego ( 2

będzie próbką prostą z rozkładu normalnego ( 2 Zadae. eh K będze próbką prostą z rozkładu ormalego ( μ σ ) zaś: ( ) S gdze:. Iteresuje as względy błąd estymaj: σ R S. σ rzy wartość ozekwaa E R jest rówa ( ) (A).8 (B).9 (C). (D). (E). Zadae. eh K K

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

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

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

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

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

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) 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

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

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

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

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

[, ] [, ] [, ] ~ [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

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Zadanie Rozważmy następujący model strzelania do tarczy. Współrzędne puntu trafienia (, Y ) są niezależnymi zmiennymi losowymi o jednaowym rozładzie normalnym N ( 0, σ ). Punt (0,0) uznajemy za środe tarczy,

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

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

ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA L. Kowals - styacja TYMACJA UNKTOWA I RZDZIAŁOWA ROZKŁADY ODTAWOWYCH TATYTYK zea losowa odpowed badaej cechy,,,..., próba losowa zea losowa wyarowa, ezależe zee losowe o ta say rozładze ja. Jeśl x jest

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

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

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

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

( ) 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

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

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

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 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 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

X i T (X) = i=1. i + 1, X i+1 i + 1. Cov H0. ( X i. k 31 ) 1 Φ(1, 1818) 0, 12.

X i T (X) = i=1. i + 1, X i+1 i + 1. Cov H0. ( X i. k 31 ) 1 Φ(1, 1818) 0, 12. Zadae p (X p (X ( ( π 6 6 e 6 X m ( π 6 6 e 6 ( X C e m 6 X, gdze staªa C e zale»y od statystyk X (X,, X 6, a m jest w ksze od zera Zatem p (X/p (X jest emalej c fukcj statystyk T (X 6 X ªatwo pokaza,»e

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

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

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

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3 35 Iterpoaca Herte a 3 f ( x f ( x,,, 3, 4 f ( x,,, 3 f ( x,, 3 f ( x, 4 f ( x 33,5,698,87,5!, 34,83,785,9,3 36,598,877,95 38,475,97 4,447 Na podstawe wzoru (38 ay zate 87,, 5, L4 ( t 335, +, 698t+ t(

Bardziej szczegółowo

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer Statystyka Opsowa 014 część 3 Katarzya Lubauer Lteratura: 1. Statystyka w Zarządzau Admr D. Aczel. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucja Kowalsk. 4. Statystyka opsowa, Meczysław

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

Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; }

Typ może być dowolny. //realizacja funkcji zamiana //przestawiajacej dwa elementy //dowolnego typu void zamiana(int &A, int &B) { int t=a; A=B; B=t; } Idea: Wyzaczamy ameszy elemet w cągu tablcy zameamy go mescam z elemetem perwszym, astępe z pozostałego cągu wyberamy elemet ameszy ustawamy go a druge mesce tablcy zmeamy, td. Realzaca w C++ vod seleca

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

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą. Joaa Ceślak, aula Bawej ESTREA FUNCJI ESTREA FUNCJI JEDNEJ ZIENNEJ Otoczeem puktu R jest każdy przedzał postac,+, gdze >. Sąsedztwem puktu jest każdy zbór postac,,+, gdze >. Nech R, : R oraz ech. De. ówmy,

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Iżyerska dr hab. ż. Jacek Tarasuk AGH, WFIS 013 Wykład 3 DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE, PODSTAWY ESTYMACJI Dwuwymarowa, dyskreta fukcja rozkładu rawdoodobeństwa, Rozkłady brzegowe

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5 Stasław Cchock Natala Nehreecka Zajęca 5 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartośd oczekwaa eocążoośd estymatora Waracja

Bardziej szczegółowo

1. Relacja preferencji

1. Relacja preferencji dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x

Bardziej szczegółowo

Przegląd wybranych testów

Przegląd wybranych testów Statystya Wyład 7 Adam Ćmel A3-A4 3a cmel@agh.edu.pl Przegląd wybraych testów Testy dotyczące wartośc oczewae w rozładze ormalym problem testowaa rówośc średch w dwóch zależych populacach o rozładze ormalym.

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

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci

Macierz prawdopodobieństw przejścia w pojedynczym kroku dla łańcucha Markowa jest postaci Zadane. Macerz radoodobeńst rzejśca ojedynczym kroku dla łańcucha Markoa...... o trzech stanach { } jest ostac 0 n 0 0 (oczyśce element stojący -tym erszu j -tej kolumne tej macerzy oznacza P( = j. Wtedy

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

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

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

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

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

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

STATYKA. Cel statyki. Prof. Edmund Wittbrodt STATYKA Cel statyk Celem statyk jest zastąpee dowolego układu sł ym, rówoważym układem sł, w tym układem złożoym z jedej tylko sły jedej pary sł (redukcja do sły mometu główego) lub zbadae waruków, jake

Bardziej szczegółowo

Lista 6. Kamil Matuszewski X X X X X X X X X X X X

Lista 6. Kamil Matuszewski X X X X X X X X X X X X Lsta 6 Kaml Matuszewsk 9..205 2 3 4 5 6 7 9 0 2 3 4 5 6 7 X X X X X X X X X X X X Zadae Lewa stroa: W delegacj możemy meć od do osób. Wyberamy ( k) osób a k sposobów wyberamy przewodczącego. k =.. węc

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

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

FINANSE II. Model jednowskaźnikowy Sharpe a.

FINANSE II. Model jednowskaźnikowy Sharpe a. ODELE RYNKU KAPITAŁOWEGO odel jedowskaźkowy Sharpe a. odel ryku kaptałowego - CAP (Captal Asset Prcg odel odel wycey aktywów kaptałowych). odel APT (Arbtrage Prcg Theory Teora artrażu ceowego). odel jedowskaźkowy

Bardziej szczegółowo

65120/ / / /200

65120/ / / /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 szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

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

Materiały do ćwiczeń 2 Zmienna losowa dyskretna Rozkład zmiennej losowej dyskretnej Powtarzanie doświadczeń

Materiały do ćwiczeń 2 Zmienna losowa dyskretna Rozkład zmiennej losowej dyskretnej Powtarzanie doświadczeń Materały do ćwczeń Zmea losowa dysreta Rozład zmeej losowej dysretej Powtarzae dośwadczeń Przygotował: Dr ż Wojcech Artchowcz Katedra Hydrotech PG Zma 4/5 ZMIEA LOSOWA DYSKRETA I JEJ ROZKŁAD PRAWDOPODOBIEŃSTWA

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

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna

Statystyka. Analiza zależności. Rodzaje zależności między zmiennymi występujące w praktyce: Funkcyjna Aalza zależośc Rodzaje zależośc mędzy zmeym występujące w praktyce: Fukcyja wraz ze zmaą wartośc jedej zmeej astępuje ścśle określoa zmaa wartośc drugej zmeej (p. w fzyce: spadek swobody gt s ) tochastycza

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

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

ZMIENNE LOSOWE WIELOWYMIAROWE

ZMIENNE LOSOWE WIELOWYMIAROWE L.Kowals Zmee losowe welowmarowe ( ΩS P ZMIENNE LOSOWE WIELOWMIAROWE - ustaloa przestrzeń probablstcza. (... - zmea losowa - wmarowa (wetor losow cąg losow. : Ω R (fuca borelowsa P : Β R [0 - rozład zmee

Bardziej szczegółowo

Metody probabilistyczne Rozwiązania zadań

Metody probabilistyczne Rozwiązania zadań Metody robabilistyczne Rozwiązania zadań 6. Momenty zmiennych losowych 8.11.2018 Zadanie 1. Poaż, że jeśli X Bn, to EX n. Odowiedź: X rzyjmuje wartości w zbiorze {0, 1,..., n} z rawdoodobieństwami zadanymi

Bardziej szczegółowo

Badania niezawodnościowe i statystyczna analiza ich wyników

Badania niezawodnościowe i statystyczna analiza ich wyników Badaa ezawodoścowe statystycza aalza ch wyków. Co to są badaa ezawodoścowe jak sę je przeprowadza?. Metody prezetacj opsu daych pochodzących z eksperymetu 3. Sposoby wyzaczaa rozkładu zmeej losowej a podstawe

Bardziej szczegółowo

System finansowy gospodarki

System finansowy gospodarki System fasowy gospodark Zajęca r 6 Matematyka fasowa c.d. Rachuek retowy (autetowy) Maem rachuku retowego określa sę regulare płatośc w stałych odstępach czasu przy założeu stałej stopy procetowej. Przykłady

Bardziej szczegółowo

System finansowy gospodarki

System finansowy gospodarki System fasowy gospodark Zajęca r 7 Krzywa retowośc, zadaa (mat. f.), marża w hadlu, NPV IRR, Ustawa o kredyce kosumeckm, fukcje fasowe Excela Krzywa retowośc (dochodowośc) Yeld Curve Krzywa ta jest grafczym

Bardziej szczegółowo

Zmiana bazy i macierz przejścia

Zmiana bazy i macierz przejścia Auomaya Roboya Algebra -Wyład - dr Adam Ćmel cmel@agh.edu.pl Zmaa bazy macerz prześca Nech V będze wymarową przesrzeą lową ad całem K. Nech Be e będze bazą przesrze V. Rozważmy ową bazę B e... e. Oczywśce

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

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

f '. Funkcja h jest ciągła. Załóżmy, że ciąg (z n ) n 0, z n+1 = h(z n ) jest dobrze określony, tzn. n 0 f ' ( z n

f '. Funkcja h jest ciągła. Załóżmy, że ciąg (z n ) n 0, z n+1 = h(z n ) jest dobrze określony, tzn. n 0 f ' ( z n Metoda Newtoa i rówaie z = 1 Załóżmy, że fucja f :C C ma ciągłą pochodą. Dla (prawie) ażdej liczby zespoloej z 0 tworzymy ciąg (1) (z ) 0, z 1 = z f ( z ), ciąg te f ' (z ) będziemy azywać orbitą liczby

Bardziej szczegółowo

FUNKCJE DWÓCH ZMIENNYCH

FUNKCJE DWÓCH ZMIENNYCH FUNKCJE DWÓCH MIENNYCH De. JeŜel kaŝdemu puktow (, ) ze zoru E płaszczz XY przporządkujem pewą lczę rzeczwstą z, to mówm, Ŝe a zorze E określoa została ukcja z (, ). Gd zór E e jest wraźe poda, sprawdzam

Bardziej szczegółowo

Regresja REGRESJA

Regresja REGRESJA Regresja 39. REGRESJA.. Regresja perwszego rodzaju Nech (, będze dwuwyarową zeą losową, dla które steje kowaracja. Nech E( y ozacza warukową wartość oczekwaą zdefowaą dla przypadku zeych losowych typu

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych Iormaa - Wład 9 - dr Bogda Ćmel cmelbog@ma.ag.edu.pl Racue różczow ucj welu zmec Z uwag a prosoę zapsu ławe erpreacje gracze ograczm sę jede do ucj lub zmec. Naurale uogólea wprowadzac pojęć a ucje zmec

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

Dokonajmy zestawienia wszystkich równań teorii sprężystości. 1. Różniczkowe równania równowagi (warunki Naviera)

Dokonajmy zestawienia wszystkich równań teorii sprężystości. 1. Różniczkowe równania równowagi (warunki Naviera) Wyład 4 Blas rówań teor srężystośc Dooamy zestawea wszystch rówań teor srężystośc Gra rówań. Różczowe rówaa rówowag (war Navera Lczba rówań Lczba ewadomych X 6 (. Zwąz geometrycze (rówaa Cachy ego ( 6

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA 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 szczegółowo

Matematyka dyskretna. 10. Funkcja Möbiusa

Matematyka dyskretna. 10. Funkcja Möbiusa Matematyka dyskreta 10. Fukcja Möbusa Defcja 10.1 Nech (P, ) będze zborem uporządkowaym. Mówmy, że zbór uporządkoway P jest lokale skończoy, jeśl każdy podzał [a, b] P jest skończoy, a, b P Uwaga 10.1

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych EAIB-Iormaa-Wład 9- dr Adam Ćmel cmel@.ag.edu.pl Racue różczow ucj welu zmec Z uwag a prosoę zapsu ławe erpreacje gracze ograczm sę jede do ucj lub zmec. Naurale uogólea wprowadzac pojęć a ucje zmec zosawam

Bardziej szczegółowo

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,. Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,

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

R j v tj, j=1. jest czynnikiem dyskontującym odpowiadającym efektywnej stopie oprocentowania i.

R j v tj, j=1. jest czynnikiem dyskontującym odpowiadającym efektywnej stopie oprocentowania i. c 27 Rafał Kucharsk Rety Wartość beżącą cągu kaptałów: {R t R 2 t 2 R t } gdze R jest kwotą omalą płacoą w chwl t = oblczamy jako sumę zdyskotowaych płatośc: przy czym = + R j tj j= jest czykem dyskotującym

Bardziej szczegółowo