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

Save this PDF as:
 WORD  PNG  TXT  JPG

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

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

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

. 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

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

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

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

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

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

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

[, ] [, ] [, ] ~ [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

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

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

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

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

( ) 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

( ) ( ) 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Statystyka opisowa. Stawia się pytania: pytanie co? poprzedza pytanie jak?. Najpierw potrzebna jest miara, potem można badać zmiany tej miary.

Statystyka opisowa. Stawia się pytania: pytanie co? poprzedza pytanie jak?. Najpierw potrzebna jest miara, potem można badać zmiany tej miary. Statystyka opsowa Roma Syak Statystyka opsowa Stawa sę pytaa: pytae co? poprzedza pytae jak?. Najperw potrzeba jest mara, potem moża badać zmay tej mary. Potrzebe są mary zborcze, charakteryzujące zborowośc

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

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

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

METODY KOMPUTEROWE 1

METODY KOMPUTEROWE 1 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN MTODA ULRA Mcał PŁOTKOWIAK Adam ŁODYGOWSKI Kosultacje aukowe dr z. Wtold Kąkol Pozań 00/00 MTODY KOMPUTROW WIADOMOŚCI WSTĘPN Metod umercze MN pozwalają a ormułowae matematczc

Bardziej szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

Wnioskowanie statystyczne dla korelacji i regresji. STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...

Bardziej szczegółowo

Dwumian Newtona. Agnieszka Dąbrowska i Maciej Nieszporski 8 stycznia 2011

Dwumian Newtona. Agnieszka Dąbrowska i Maciej Nieszporski 8 stycznia 2011 Dwumia Newtoa Agiesza Dąbrowsa i Maciej Nieszporsi 8 styczia Wstęp Wzory srócoego możeia, tóre pozaliśmy w gimazjum (x + y x + y (x + y x + xy + y (x + y 3 x 3 + 3x y + 3xy + y 3 x 3 + y 3 + 3xy(x + y

Bardziej szczegółowo

Statystyka matematyczna. Wykład III. Estymacja przedziałowa

Statystyka matematyczna. Wykład III. Estymacja przedziałowa Statystyka matematyczna. Wykład III. e-mail:e.kozlovski@pollub.pl Spis treści Rozkłady zmiennych losowych 1 Rozkłady zmiennych losowych Rozkład χ 2 Rozkład t-studenta Rozkład Fischera 2 Przedziały ufności

Bardziej 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

T. Hofman, Wykłady z Termodynamiki technicznej i chemicznej, Wydział Chemiczny PW, kierunek: Technologia chemiczna, sem.

T. Hofman, Wykłady z Termodynamiki technicznej i chemicznej, Wydział Chemiczny PW, kierunek: Technologia chemiczna, sem. . Hofma Wyłady z ermodyam techczej chemczej Wydzał Chemczy PW erue: echologa chemcza sem.3 215/216 WYKŁAD 3-4. D. Blase reatorów chemczych E. II zasada termodyam F. Kosewecje zasad termodyam D. BILANE

Bardziej szczegółowo

npq jest funkcją gęstości zmiennej losowej X? Po wyznaczeniu k proszę znaleźć: dystrybuantę, kwartyl drugi,

npq jest funkcją gęstości zmiennej losowej X? Po wyznaczeniu k proszę znaleźć: dystrybuantę, kwartyl drugi, Zadaie aa jest fucja gęstości zmieej losowej X: 9 8 Wyzacz: F (X ; Q ; ; ( X ; 9 9 P X P Zadaie ( Statystya II, X a b F( b F( a X e! P m ( ; m E( X ( X V ( X X R P ( X R ( X V ( X jest fucją gęstości zmieej

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

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2. Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,

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

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

I. Podzielność liczb całkowitych

I. Podzielność liczb całkowitych I Podzielość liczb całkowitych Liczba a = 57 przy dzieleiu przez pewą liczbę dodatią całkowitą b daje iloraz k = 3 i resztę r Zaleźć dzieik b oraz resztę r a = 57 = 3 b + r, 0 r b Stąd 5 r b 8, 3 więc

Bardziej szczegółowo

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ

WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANEJ PODCZAS ZDERZENIA CIAŁ 9 Cel ćwczea Ćwczee 9 WYZNACZANIE WARTOŚCI ENERGII ROZPRASZANE PODCZAS ZDERZENIA CIAŁ Celem ćwczea jest wyzaczee wartośc eerg rozpraszaej podczas zderzea cał oraz współczyka restytucj charakteryzującego

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

ZAGADNIENIE TRANSPORTOWE

ZAGADNIENIE TRANSPORTOWE ZAGADNIENIE TRANSPORTOWE ZT.. Zagadee trasportowe w postac tablcy Z m puktów (odpowedo A,...,A m ) wysyłamy edorody produkt w loścach a,...,a m do puktów odboru (odpowedo B,...,B ), gdze est odberay w

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

Pomiary parametrów napięć i prądów przemiennych

Pomiary parametrów napięć i prądów przemiennych Ćwczee r 3 Pomary parametrów apęć prądów przemeych Cel ćwczea: zapozae z pomaram wartośc uteczej, średej, współczyków kształtu, szczytu, zekształceń oraz mocy czyej, berej, pozorej współczyka cosϕ w obwodach

Bardziej szczegółowo

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 + Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch

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

[ ] WSPÓŁCZYNNIK EKSCESU WEKTORA LOSOWEGO. Wprowadzenie. Katarzyna Budny =, (1)

[ ] WSPÓŁCZYNNIK EKSCESU WEKTORA LOSOWEGO. Wprowadzenie. Katarzyna Budny =, (1) Katarzya Budy Uwersytet Ekoomczy w Krakowe WSPÓŁCZYNNIK EKSCESU WEKTORA LOSOWEGO Wprowadzee Jedą z podstawowych mar spłaszczea czy też kocetrac rozkładu zmee losowe edowymarowe wokół średe est kurtoza

Bardziej szczegółowo

3. OPTYMALIZACJA NIELINIOWA

3. OPTYMALIZACJA NIELINIOWA Wybrae zaadea badań operacyjych dr ż. Zbew Tarapata 3. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też oprócz

Bardziej szczegółowo

Zadania z rachunku prawdopodobieństwa

Zadania z rachunku prawdopodobieństwa Zadaa z rachuku prawdopodobeństwa Dzesęć osób zajmuje mejsca przy okrągłym stole. Oblczyć prawdopodobeństwo tego, że osoby A B będą sedzeć obok sebe. Jake będze prawdopodobeństwo tego samego zdarzea jeśl

Bardziej szczegółowo

INSTYTUT ŁĄCZNOŚCI PAŃSTWOWY INSTYTUT BADAWCZY. Zakład Teletransmisji i Technik Optycznych (Z-14)

INSTYTUT ŁĄCZNOŚCI PAŃSTWOWY INSTYTUT BADAWCZY. Zakład Teletransmisji i Technik Optycznych (Z-14) INSTYTUT ŁĄCZNOŚCI PAŃSTWOWY INSTYTUT BADAWCZY Załad Teletrasmsj Tech Optyczych (Z-4) Aalza badaa efetów zachodzących w śwatłowodowym medum trasmsyjym degradujących jaość trasmsj w systemach DWDM o dużej

Bardziej szczegółowo

Twierdzenia o funkcjach ciągłych

Twierdzenia o funkcjach ciągłych Automatya i Robotya Aaliza Wyład 5 dr Adam Ćmiel cmiel@aghedupl Twierdzeia o ucjach ciągłych Tw (Weierstrassa Jeżeli ucja : R [ R jest ciągła a [, to ograiczoa i : ( sup ( i ( i ( [, Dowód Ograiczoość

Bardziej szczegółowo

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu

Monika Jeziorska - Pąpka Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMERYCZNE X Ogólopolske Semarum Naukowe, 4 6 wrześa 2007 w oruu Katedra Ekoometr Statystyk, Uwersytet Mkołaja Koperka w oruu Moka Jezorska - Pąpka Uwersytet Mkołaja Koperka w oruu

Bardziej szczegółowo

Badania Operacyjne (dualnośc w programowaniu liniowym)

Badania Operacyjne (dualnośc w programowaniu liniowym) Badaa Operacye (dualośc w programowau lowym) Zadae programowaa lowego (PL) w postac stadardowe a maksmum () c x = max, podczas gdy spełoe są erówośc () ax = b ( m ), x 0 ( ) Zadae programowaa lowego (PL)

Bardziej szczegółowo

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im

Bardziej szczegółowo

Różne rozkłady prawdopodobieństwa

Różne rozkłady prawdopodobieństwa Różne rozłady prawdopodobieństwa. Rozład dwupuntowy D(p). Zmienna losowa ξ ma rozład D(p), jeżeli P p {ξ = 0} = p oraz P p {ξ = } = p. Eξ = p D ξ = p( p). Rozład dwumianowy Bin(n, p). Zmienna losowa ξ

Bardziej szczegółowo

Sterowanie optymalne statkiem w obszarze ze zmiennym prądem problem czasooptymalnej marszruty. Zenon Zwierzewicz

Sterowanie optymalne statkiem w obszarze ze zmiennym prądem problem czasooptymalnej marszruty. Zenon Zwierzewicz Sterowae otymale statem w obszarze ze zmeym rądem roblem czasootymalej marszrty Zeo Zwerzewcz Szczec Zeo Zwerzewcz Sterowae otymale statem w obszarze ze zmeym rądem roblem czasootymalej marszrty W artyle

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

Ćwiczenia nr 3 Finanse II Robert Ślepaczuk. Teoria portfela papierów wartościowych

Ćwiczenia nr 3 Finanse II Robert Ślepaczuk. Teoria portfela papierów wartościowych Ćczea r 3 Fae II obert Ślepaczuk Teora portfela paperó artoścoych Teora portfela paperó artoścoych jet jedym z ajażejzych dzałó ooczeych faó. Dotyczy oa etycj faoych, a przede zytkm etycj dokoyaych a ryku

Bardziej szczegółowo

0.1 ROZKŁADY WYBRANYCH STATYSTYK

0.1 ROZKŁADY WYBRANYCH STATYSTYK 0.1. ROZKŁADY WYBRANYCH STATYSTYK 1 0.1 ROZKŁADY WYBRANYCH STATYSTYK Zadaia 0.1.1. Niech X 1,..., X będą iezależymi zmieymi losowymi o tym samym rozkładzie. Obliczyć ES 2 oraz D 2 ( 1 i=1 X 2 i ). 0.1.2.

Bardziej szczegółowo

WYKORZYSTANIE FILTRU CZĄSTECZKOWEGO W PROBLEMIE IDENTYFIKACJI UKŁADÓW AUTOMATYKI

WYKORZYSTANIE FILTRU CZĄSTECZKOWEGO W PROBLEMIE IDENTYFIKACJI UKŁADÓW AUTOMATYKI Piotr KOZIERSKI WYKORZYSTAIE FILTRU CZĄSTECZKOWEGO W PROBLEMIE IDETYFIKACJI UKŁADÓW AUTOMATYKI STRESZCZEIE W artyule przedstawioo sposób idetyfiacji parametryczej obietów ieliiowych zapisaych w przestrzei

Bardziej szczegółowo