ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 3 Tablice trwania życia 2
|
|
- Filip Jasiński
- 6 lat temu
- Przeglądów:
Transkrypt
1 Wst ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 3 Tablice trwania życia 2 1
2 Przypomnienie Jesteśmy już w stanie wyznaczyć tp x = l x+t l x, gdzie l x, l x+t, to liczebności kohorty odpowiednio momentach x oraz x + t. Znamy także sposoby na wyznaczenie tp x wtedy, gdy t / N 0. Hipoteza jednostajności. Hipoteza przedzia lami sta lego nat eżenia zgonów. Hipoteza Balducciego. 2
3 Tablice trwania życia x l x d x p x µ x e x , , , , , , , , , l x liczebność kohorty w momencie x d x = l x l x+1 Problem: Wyznaczyć 3 p 40 = P (T 40 > 3). I sposób: p 40 p 41 p 42 = 3 p 40 = 0, II sposób: 3 p 40 = l 43 l 40 = 0,
4 Nat eżenie śmiertelności w tablicach obliczone ze wzoru µ x = 8(l x 1 l x+1 ) (l x 2 l x+2 ) 12l x. Zagadka: jak to si e ma do definicji: µ [x]+t = f x(t) 1 F x (t)? 4
5 Ważna konsekwencja HJP i hipotez interpolacyjnych Niech t, x R \ N, wówczas tp x = P (T x > t) = P (T 0 > x + t). P (T 0 > x) Zatem jeżeli HU, to tp x = (1 u) 0p 0 + u 1p 0 (1 v) 0p 0 + v 1p 0, gdzie u = x + t x + t oraz v = x x. 5
6 Oczekiwany ca lkowity przysz ly czas życia osoby w wieku x podany w tablicach e x = k=1 l x+k l x e x = EK x = = = = k=1 k=1 k=1 k=1 k P (K x = k) k P (k T x < k + 1) k ( P (T x < k + 1) P (T x < k) ) k ( P (T x > k) P (T x > k + 1) ) ( lx+k = k l ) x+k+1 l k=1 x l x = 1 [ (lx+1 ) ( ) l x lx+2 l x+3 l x + 3 ( l x+3 l x+4 )
7 Konsekwencje HJP Obserwacja 1 Jeżeli zachodzi HJP, to µ [x]+t = µ [0]+x+t = µ x+t. Dowód: Z definicji µ [x]+t = f x(t) 1 F x (t) d = dτ F x(τ) τ=t P (T x > t) [ d dτ P (Tx > τ) ] (t) = P (T x > t) ] (t) = = d dτ d dτ [ P (T0 >x+τ) P (T 0 >x) P (T 0 >x+t) P (T 0 >x) [ P (T0 > x + τ) ] (t) P (T 0 > x + t) 7
8 Pokazaliśmy: µ [x]+t = d dτ [ P (T0 > x + τ) ] (t). P (T 0 > x + t) Niech g(τ) = P (T 0 > τ). Wówczas d [ P (T0 > x + τ) ] ( d (t) = g(x + τ) dτ ( ) dτ d = dτ g (x + t) i w rezultacie [ d dτ P (T0 > τ) ] (x + t) µ [x]+t = P (T 0 > x + t) = f 0(x + t) 1 F 0 (x + t) = µ [0]+x+t. ) (t) 8
9 Obserwacja 2 Jeżeli zachodzi HJP, to tq [x]+s = t q x+s, tp [x]+s = t p x+s. Dowód: Przypomnijmy, że tp [x]+s = P (T x > t + s T x > s) i w konsekwencji P (T x > t + s T x > s) = P (T x > t + s) P (T x > s) = P (T 0 > x + t + s) P (T 0 > x + s) = P (T x+s > t). 9
10 Hipoteza Balducciego (1 u) q [x]+n+u = (1 u)q [x]+n. Równoważnie: P (T x n + 1 T x > n + u) = (1 u)p (T x n + 1 T x > n). Zatem na przyk lad P (T x n + 1 T x > n ) = 1 12 P (T x n + 1 T x > n) 10
11 Hipoteza Balducciego (HB) (1 u) q [x]+n+u = (1 u)q [x]+n. Obserwacja 3 Jeżeli T x spe lnia hipotez e Balducciego, to p [x]+n n+up x = n p x u + (1 u)p [x]+n = n+1p x. 1 (1 u)q [x]+n 11
12 Dowód Obserwacji 3: n+1p x = P (T x > n + 1) Zatem = P (T x > n + u) P (T x > n + 1) P (T x > n + u) = P (T x > n + u) P (T x > n + 1 T x > n + u). }{{} (1 u) p [x]+n+u Z HB mamy n+up x = n+1p x (1 u) p [x]+n+u (1 u) p [x]+n+u = 1 (1 u) q [x]+n+u = 1 (1 u)q [x]+n. Co uzasadnia druga z podanych równości. Dalej, mamy 1 (1 u)q [x]+n = 1 (1 u)q [x]+n = 1 (1 u)(1 p [x]+n ) = u + (1 u)p [x]+n, co kończy uzasadnienie pierwszej. 12
13 Dla oswojenia sie z Hipoteza Balducciego Zadanie 3.25, s. 87 [B laszczyszyn, Rolski] Jaka jest oczekiwana liczba osób z populacji miliona 35-latków, które umra po ukończeniu 36 lat i 4 miesiecy i przed ukończeniem 37 lat i 8 miesiecy. Zak ladamy HB oraz q 35 = , q 36 = , q 37 =
14 Weźmy pod uwage nastepuj ace prawdopodobieństwo P ( T 35 < ) = P (T 35 > ) P (T 35 > ) Z jednej strony P (T 35 > l ) = l 35 P (T 35 > l ) = l 35 i oczywiście l 35 = Z drugiej, P (T 35 > n + 1) = P (T 35 > n+u) P (T 35 > n+1 T 35 > n+u)
15 Zatem P (T 35 > ) = 2p 35 P (T 35 > 2 T 35 > ) = 2 p q 36 = (1 q 35)(1 q 36 ) q 36 oraz P (T 35 > ) = 3 p q
16 Model tymczasowej selekcji Motywacja: Zarówno HJP, jak i HP zak ladaja, że przysz ly czas życia wszystkich osobników kohorty jest w pewnym sensie taki sam. Dok ladniej: przysz lym czasem życia wszystkich osobników kohorty rzadzi to samo prawo. 16
17 Rozsadne za lożenie Dla pewnego podzbioru osobników kohorty prawo rzadz ace ich przysz lym czasem życia jest w pewnym okresie inne. Na przyk lad sa zdrowsi albo wrecz przeciwnie. Zatem prawdopodobieństwo ich śmierci jest istotnie inne niż prawdopodobieństwo śmierci przecietnego osobnika kohorty. Inne jest wiec prawdopodobieństwo, że konieczna bedzie wyp lata sumy ubezpieczenia! 17
18 Prosty przyk lad W jaki sposób można uwzglednić fakt, że, na przyk lad, osoby wysportowane żyja d lużej? Powiedzmy, że obserwowane dane statystyczne pozwalaja przyjać wniosek, że prawdopodobieństwo śmierci w ciagu roku osoby powyżej 40 roku życia jest o 5% mniejsze niż osoby nie biegajacej. Powiedzmy, że tak jest aż do 65 roku życia, kiedy to wp lyw regularnego uprawiania sportu s labnie na tyle, że nie ma już podstaw, aby wyróżniać te osoby ca lej populacji. Czy takie stwierdzenie jest zgodne z HTS? 18
19 Hipoteza tymczasowej selekcji (HTS) Rodzina rozk ladów (K [x] ) x spe lnia hipotez e tymczasowej selekcji z okresem selekcji ζ, jeżeli dla każdego x = 0, 1,... P (K [x] ζ) > 0 P (K 0 > x + ζ) > 0 i wówczas P (K [x] ζ + k) K [x] ζ) = P (K 0 x + ζ + k K 0 x + ζ). 19
20 Zwiazki z HA (HA): P (K x = k) = P (K 0 = x + k K 0 x) (HTS): P (K [x] ζ + k) K [x] ζ) = P (K 0 x + ζ + k K 0 x + ζ) Zauważmy, że konsekwencja HA jest P (K x l) = = k=l k=l Wniosek: jeżeli HA, to P (K x = k) P (K 0 = x + k K 0 x) = P (K 0 x + l K 0 x). P (K x k) = P (K 0 x + k K 0 x). 20
21 Co mówi HTS, jeżeli ζ = 0? P (K [x] k K [x] 0) = P (K 0 x + k K 0 x) 21
22 Sens HTS (przy za lożeniu HA) P (K [x] ζ + k K [x] ζ) = P (K x ζ + k K x ζ) = P (K x+ζ k) Zatem, rozk lady K [x] spe lniajace HTS musza mieć te w lasność, że po up lywie czasu selekcji musza zgadzać z K x. 22
23 P (K [40] 25 + k K [40] 25) = P (K [40] 25 + k) P (K [40] 25) = P (K k) P (K 40 25) = P (K k K ). 23
24 Przysz ly u lamkowy czas życia x-latka S x := T x K x = T x T x Obserwacja 4 Jeżeli T x ma rozk lad ciag ly, to S x ma także rozk lad ciag ly oraz n=0 jest gestości a rozk ladu S x. f x (t + n) (1) Dowód: Na mocy definicji i za lożenia P (T x t) = t f x(τ)dτ. Wyrażenie (1) jest dobrze określone. 24
25 Zauważmy, że dla 0 u < 1 mamy P (S x u) = P (T x T x u) = P = = = k=0 k=0 k+u k=0 k u k=0 To znaczy, że funkcja g x (u) = {T x T x u T x = k} P ( {T x T x u T x = k} ) f x (τ)dτ 0 f x(τ + k)dτ. n=0 f x (n + u), 0 u < 1, 0, t / [0, 1), jest gestości a rozk ladu zmiennej losowej S x. 25
26 Zdefiniujmy nastepuj ac a zmienna losowa S (m) = 1 ms + 1. m S (m) 1/m to zaokraglenie S do wielokrotości S (m) { 1,..., m }. Obserwacja 5 Jeżeli zachodzi HU, to K oraz S (m) sa niezależne. 26
27 Należy pokazać P (K x = k S (m) = j m ) = P (K x = k) P (S (m) = j m ) dla dowolnych k N 0 oraz j = 1,..., m. P (K x = k S (m) = j m ) = P (k + j 1 m T x < k + j m ) = P (T x > k + j 1 m ) P (T x > k + j m ) = (1 j 1 m ) kp x + j 1 m k+1 p x (1 j m ) kp x + j m k+1 p x 27
28 Zatem P (K x = k S (m) = j m ) = 1 m k p x 1 m k+1 p x = 1 ) (kp x k+1 p x m = 1 ( ) P (T x > k) P (T x > k + 1) m = 1 m P (k K x < k + 1). Pozostaje wiec uzasadnić nastepn a obserwacje Obserwacja 6 Jeżeli prawdziwa jest HU, to P (S (m) = j m ) = 1 m. 28
29 Dowód: P (S (m) = j m ) = P ( = = = k=0 k=0 k=0 k=0 = 1 m P ( {K x = k} {S (m) = j m } ) P (K x = k S (m) = j m ) P (k + j 1 m T x < k + j m ) 1 m P (K x = k) k=0 ) {K x = k} = 1 m. 29
30 Wracajac do obserwacji 5 mamy P (K x = k S (m) = j m ) = 1 m P (k K x < k + 1) = P (S (m) = j m )P (K x = k). 30
ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 2 Tablice trwania życia
Wst ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 2 Tablice trwania życia 1 Cele (na dzisiaj): Zrozumieć w jaki sposób można wyznaczyć przysz ly czas życia osoby w wieku x. Zrozumieć parametry
Bardziej szczegółowoTablice trwania życia
ROZDZIAŁ 3 Tablice trwania życia 1 Przyszły czas życia Osobę, która ukończyła x lat życia, będziemy nazywać x-latkiem i oznaczać symbolem x Jej przyszły czas życia, tzn od chwili x do chwili śmierci, będziemy
Bardziej szczegółowoep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 5 Kalkulacja sk ladki netto I
Wst ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 5 Kalkulacja sk ladki netto I 1 Kodeks cywilny Tytu l XXVII, Umowa ubezpieczenia Dzia l I. Przepisy ogólne Dzia l II. Ubezpieczenia majatkowe
Bardziej szczegółowoJednorazowa sk ladka netto w przypadku stochastycznej stopy procentowej. Ubezpieczenie na ca le życie z n-letnim okresem odroczenia.
Jednorazowa sk ladka netto w przypadku stochastycznej stopy procentowej Ubezpieczenie na ca le życie z n-letnim okresem odroczenia Wartość obecna wyp laty Y = Zatem JSN = = Kx +1 0, K x = 0, 1,..., n 1,
Bardziej szczegółowoMODELE MATEMATYCZNE W UBEZPIECZENIACH
MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 3: WYZNACZANIE ROZKŁADU CZASU PRZYSZŁEGO ŻYCIA 1 Hipoteza jednorodnej populacji Rozważmy pewną populację osób w różnym wieku i załóżmy, że każda z tych osób
Bardziej szczegółowoep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 6 Kalkulacja sk ladki netto II. Funkcje komutacyjne.
Wst ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 6 Kalkulacja sk ladki netto II. Funkcje komutacyjne. 1 Przypomnienie Umowa ubezpieczenia zawiera informacje o: Przedmiocie ubezpieczenia Czasie
Bardziej szczegółowoep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 1 Wprowadzajacy
Wst ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 1 Wprowadzajacy 1 Matematyka aktuarialna 1. matematyka w ubezpieczeniach, 2. dok ladniej, matematyka ubezpieczeń na życie, 3. czasami szerzej,
Bardziej szczegółowo1. Przyszła długość życia x-latka
Przyszła długość życia x-latka Rozważmy osobę mającą x lat; oznaczenie: (x) Jej przyszłą długość życia oznaczymy T (x), lub krótko T Zatem x+t oznacza całkowitą długość życia T jest zmienną losową, której
Bardziej szczegółowo1 Elementy teorii przeżywalności
1 Elementy teorii przeżywalności Zadanie 1 Zapisz 1. Prawdopodobieństwo, że noworodek umrze nie później niż w wieku 80 lat 2. P-two, że noworodek umrze nie później niż w wieku 30 lat 3. P-two, że noworodek
Bardziej szczegółowoep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 9 Analiza pewnego problemu i krótkie przypomnienie, czyli Powtarzanie jest matka nauki.
Wst ep do matematyki aktuarialnej Micha l Jasiczak Wyk lad 9 Analiza pewnego problemu i krótkie przypomnienie, czyli Powtarzanie jest matka nauki. 1 Zadanie (29) zawar l umowe kredytu w momencie ukończenia
Bardziej szczegółowo1 Elementy teorii przeżywalności
1 Elementy teorii przeżywalności Zadanie 1 Zapisz 1. Prawdopodobieństwo, że noworodek umrze nie później niż w wieku 80 lat 2. P-two, że noworodek umrze nie później niż w wieku 30 lat 3. P-two, że noworodek
Bardziej szczegółowoMODELE MATEMATYCZNE W UBEZPIECZENIACH
MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 4: UBEZPIECZENIA NA ŻYCIE Ubezpieczenie na życie jest to kontrakt (zwany polisą), w którym ubezpieczony zobowiązuje się do opłacenia składki (jednorazowo lub
Bardziej szczegółowo3 Ubezpieczenia na życie
3 Ubezpieczenia na życie O ile nie jest powiedziane inaczej, w poniższych zadaniach zakładamy HJP. 3.1. Zadania 7.1-7.26 z Miśkiewicz-Nawrocka, Zeug-Żebro, Zbiór zadań z matematyki finansowej. 3.2. Mając
Bardziej szczegółowoWyk lad 14 Formy kwadratowe I
Wyk lad 14 Formy kwadratowe I Wielomian n-zmiennych x 1,, x n postaci n a ij x i x j, (1) gdzie a ij R oraz a ij = a ji dla wszystkich i, j = 1,, n nazywamy forma kwadratowa n-zmiennych Forme (1) można
Bardziej szczegółowoWyk lad 2 Podgrupa grupy
Wyk lad 2 Podgrupa grupy Definicja 2.1. Pod grupy (G,, e) nazywamy taki podzbiór H G, że e H, h 1 H dla każdego h H oraz h 1 h 2 H dla dowolnych h 1, h 2 H. Jeśli H jest grupy G, to bedziemy pisali H G.
Bardziej szczegółowoWyk lad 12. (ii) najstarszy wspó lczynnik wielomianu f jest elementem odwracalnym w P. Dowód. Niech st(f) = n i niech a bedzie
1 Dzielenie wielomianów Wyk lad 12 Ważne pierścienie Definicja 12.1. Niech P bedzie pierścieniem, który może nie być dziedzina ca lkowitości. Powiemy, że w pierścieniu P [x] jest wykonalne dzielenie z
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
29 marca 2011 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
Bardziej szczegółowoWyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera
Wyk lad 9 Podpierścienie, elementy odwracalne, dzielniki zera Określenie podpierścienia Definicja 9.. Podpierścieniem pierścienia (P, +,, 0, ) nazywamy taki podzbiór A P, który jest pierścieniem ze wzgledu
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
31 marca 2014 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
19 kwietnia 2011 Testy dla dwóch grup 1 Analiza danych dla dwóch grup: test t-studenta dla dwóch grup sparowanych; test t-studenta dla dwóch grup niezależnych (jednakowe wariancje) test Z dla dwóch grup
Bardziej szczegółowoMatematyka ubezpieczeń na życie. Piotr Kowalski
Matematyka ubezpieczeń na życie Piotr Kowalski 27 stycznia 212 Spis treści 1 Elementy matematyki finansowej 1 1.1 Oznaczenia.............................. 1 1.2 Związki................................
Bardziej szczegółowoProcesy Stochastyczne - Zestaw 1
Procesy Stochastyczne - Zestaw 1 Zadanie 1 Niech ξ i η bed a niezależnymi zmiennymi losowymi o rozk ladach N (0, 1). Niech X = ξ +η i Y = ξ η. Znaleźć rozk lad (X, Y ) i rozk lad warunkowy L X ( Y ). Zadanie
Bardziej szczegółowoWyk lad 3 Wielomiany i u lamki proste
Wyk lad 3 Wielomiany i u lamki proste 1 Konstrukcja pierścienia wielomianów Niech P bedzie dowolnym pierścieniem, w którym 0 1. Oznaczmy przez P [x] zbiór wszystkich nieskończonych ciagów o wszystkich
Bardziej szczegółowoWyk lad 4 Warstwy, dzielniki normalne
Wyk lad 4 Warstwy, dzielniki normalne 1 Warstwy grupy wzgl edem podgrupy Niech H bedzie podgrupa grupy (G,, e). W zbiorze G wprowadzamy relacje l oraz r przyjmujac, że dla dowolnych a, b G: a l b a 1 b
Bardziej szczegółowoTeoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej
Teoria miary WPPT IIr. semestr zimowy 2009 Wyk lady 6 i 7. Mierzalność w sensie Carathéodory ego Miara Lebesgue a na prostej 27-28/10/09 ZBIORY MIERZALNE WZGLȨDEM MIARY ZEWNȨTRZNEJ Niech µ bȩdzie miar
Bardziej szczegółowoUbezpieczenia na życie
ROZDZIAŁ 4 Ubezpieczenia na życie Ubezpieczenie na życie jest to kontrakt (zwany polisą), w którym ubezpieczony zobowiązuje się do opłacenia składki (jednorazowo lub w ratach), a w zamian za to ubezpieczyciel
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
22 marca 2011 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
Bardziej szczegółowoTestowanie hipotez statystycznych
Testowanie hipotez statystycznych Wyk lad 9 Natalia Nehrebecka Stanis law Cichocki 28 listopada 2018 Plan zaj eć 1 Rozk lad estymatora b 2 3 dla parametrów 4 Hipotezy l aczne - test F 5 Dodatkowe za lożenie
Bardziej szczegółowoDyskretne modele populacji
Dyskretne modele populacji Micha l Machtel Adam Soboczyński 17 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których
Bardziej szczegółowoWyk lad 5 Grupa ilorazowa, iloczyn prosty, homomorfizm
Wyk lad 5 Grupa ilorazowa, iloczyn prosty, homomorfizm 1 Grupa ilorazowa Niech H b edzie dzielnikiem normalnym grupy G. Oznaczmy przez G/H zbiór wszystkich warstw lewostronnych grupy G wzgl edem podgrupy
Bardziej szczegółowoNormy wektorów i macierzy
Rozdzia l 3 Normy wektorów i macierzy W tym rozdziale zak ladamy, że K C. 3.1 Ogólna definicja normy Niech ψ : K m,n [0, + ) b edzie przekszta lceniem spe lniaj acym warunki: (i) A K m,n ψ(a) = 0 A = 0,
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
21 marca 2011 Zmienna losowa - wst ep Przeprowadzane w praktyce badania i eksperymenty maja bardzo różnorodny charakter, niemniej jednak wiaż a sie one z rejestracja jakiś sygna lów (danych). Moga to być
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
21 marca 2011 Zmienna losowa wst ep Przeprowadzane w praktyce badania i eksperymenty maja bardzo różnorodny charakter, niemniej jednak wiaż a sie z rejestracja jakiś sygna lów (danych). Moga to być na
Bardziej szczegółowoP (x, y) + Q(x, y)y = 0. g lym w obszrze G R n+1. Funkcje. zania uk ladu (1) o wykresie przebiegaja
19. O ca lkach pierwszych W paragrafie 6 przy badaniu rozwia zań równania P (x, y) + Q(x, y)y = 0 wprowadzono poje cie ca lki równania, podano pewne kryteria na wyznaczanie ca lek równania. Znajomość ca
Bardziej szczegółowoDyskretne modele populacji
Dyskretne modele populacji Micha l Machtel Adam Soboczyński 19 stycznia 2007 Typeset by FoilTEX Dyskretne modele populacji [1] Wst ep Dyskretny opis modelu matematycznego jest dobry dla populacji w których
Bardziej szczegółowoGrzegorz Mazur. Zak lad Metod Obliczeniowych Chemii UJ. 14 marca 2007
Zak lad Metod Obliczeniowych Chemii UJ 14 marca 2007 Rzad 1 Zamiast wst epu 2 Rzad Notacja dużego O Notacja Ω Notacja Θ 3 S lowniczek Rzad Algorytm W matematyce oraz informatyce to skończony, uporzadkowany
Bardziej szczegółowoEGZAMIN MAGISTERSKI, Biomatematyka
Biomatematyka 80...... Zadanie 1. (8 punktów) Załóżmy, że w diploidalnej populacji kojarzącej się w sposób losowy, w loci o dwóch allelach A i a 36% osobników tej populacji ma genotyp aa. (a) Jaka cześć
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
10 marca 2014 Zmienna losowa - wst ep Przeprowadzane w praktyce badania i eksperymenty maja bardzo różnorodny charakter, niemniej jednak wiaż a sie one z rejestracja jakiś sygna lów (danych). Moga to być
Bardziej szczegółowoTestowanie hipotez statystycznych
Testowanie hipotez statystycznych Wyk lad 8 Natalia Nehrebecka Stanis law Cichocki 29 listopada 2015 Plan zajeć 1 Rozk lad estymatora b Rozk lad sumy kwadratów reszt 2 Hipotezy proste - test t Badanie
Bardziej szczegółowoTestowanie hipotez statystycznych
round Testowanie hipotez statystycznych Wyk lad 9 Natalia Nehrebecka Stanis law Cichocki 13 grudnia 2014 Plan zajeć 1 Rozk lad estymatora b Rozk lad sumy kwadratów reszt 2 Hipotezy proste - test t Badanie
Bardziej szczegółowoNiech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach:
Teoria miary WPPT IIr semestr zimowy 2009 Wyk lad 4 Liczby kardynalne, indukcja pozaskończona DOBRY PORZA DEK 14/10/09 Niech X bȩdzie dowolnym zbiorem Dobry porz adek to relacja P X X (bȩdziemy pisać x
Bardziej szczegółowoSterowalność liniowych uk ladów sterowania
Sterowalność liniowych uk ladów sterowania W zadaniach sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a równania stanu z zadanego stanu pocz atkowego ẋ(t) = f(x(t), u(t), t), t [t,
Bardziej szczegółowoElementy teorii przeżywalności
Elementy teorii przeżywalności Zadanie 1.1 Zapisz 1. Prawdopodobieństwo, że noworodek umrze nie później niż w wieku 8 lat 2. P-two, że noworodek umrze nie później niż w wieku 3 lat 3. P-two, że noworodek
Bardziej szczegółowoWyk lad 7 Baza i wymiar przestrzeni liniowej
Wyk lad 7 Baza i wymiar przestrzeni liniowej 1 Baza przestrzeni liniowej Niech V bedzie przestrzenia liniowa. Powiemy, że podzbiór X V jest maksymalnym zbiorem liniowo niezależnym, jeśli X jest zbiorem
Bardziej szczegółowoWNIOSKOWANIE W MODELU REGRESJI LINIOWEJ
WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ Dana jest populacja generalna, w której dwuwymiarowa cecha (zmienna losowa) (X, Y ) ma pewien dwuwymiarowy rozk lad. Miara korelacji liniowej dla zmiennych (X, Y
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA
1 STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany.
Bardziej szczegółowoWyk lad 9 Przekszta lcenia liniowe i ich zastosowania
Wyk lad 9 Przekszta lcenia liniowe i ich zastosowania 1 Przekszta lcenia liniowe i ich w lasności Definicja 9.1. Niech V i W bed przestrzeniami liniowymi. Przekszta lcenie f : V W spe lniajace warunki:
Bardziej szczegółowoEkonomia matematyczna i dynamiczna optymalizacja
Ekonomia matematyczna i dynamiczna optymalizacja Ramy wyk ladu i podstawowe narz edzia matematyczne SGH Semestr letni 2012-13 Uk lady dynamiczne Rozwiazanie modelu dynamicznego bardzo czesto można zapisać
Bardziej szczegółowoEgzamin z Rachunku Prawdopodobieństwa WNE - 10 marca 2017r., grupa A, II termin. Czas trwania egzaminu: 120 minut. Każde zadanie należy rozwiazać
Egzamin z Rachunku Prawdopodobieństwa WNE - 10 marca 2017r., grupa A, 1. 5 kul ponumerowanych liczbami 1, 2,..., 5 umieszczono losowo w czterech urnach. a) Obliczyć wartość oczekiwana liczby urn, w których
Bardziej szczegółowoMatematyka Finansowa i Ubezpieczeniowa Ubezpieczenia na Życie
Matematyka Finansowa i Ubezpieczeniowa Ubezpieczenia na Życie Rafał Kucharski rafal.kucharski@ue.katowice.pl Literatura [1] B. Błaszczyszyn, T. Rolski, Podstawy matematyki ubezpieczeń na życie, WNT Warszawa,
Bardziej szczegółowoEGZAMIN MAGISTERSKI, 18 września 2013 Biomatematyka
Biomatematyka Liczebność populacji pewnego gatunku jest modelowana przez równanie różnicowe w którym N k stałymi. rn 2 n N n+1 =, A+Nn 2 oznacza liczebność populacji w k tej generacji, a r i A są dodatnimi
Bardziej szczegółowoMatematyka A, klasówka, 24 maja zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le. rozwia
Matematyka A, klasówka, 4 maja 5 Na prośbe jednej ze studentek podaje zania zadań z kolokwium z matematyki A w nadziei, że pope lni lem wielu b le dów Podać definicje wektora w lasnego i wartości w lasnej
Bardziej szczegółowoWyk lad 6 Podprzestrzenie przestrzeni liniowych
Wyk lad 6 Podprzestrzenie przestrzeni liniowych 1 Określenie podprzestrzeni Definicja 6.1. Niepusty podzbiór V 1 V nazywamy podprzestrzeni przestrzeni liniowej V, jeśli ma on nastepuj ace w lasności: (I)
Bardziej szczegółowoLOGIKA ALGORYTMICZNA
LOGIKA ALGORYTMICZNA 0.0. Relacje. Iloczyn kartezjański: A B := (a, b) : a A i b B} (zak ladamy, że (x, y) i (u, v) s a równe wtedy i tylko wtedy gdy x = u i y = v); A n := (x 1,..., x n ) : x i A}; R
Bardziej szczegółowoT O P O L O G I A WPPT I, sem. letni WYK LAD 8. Wroc law, 21 kwietnia D E F I N I C J E Niech (X, d) oznacza przestrzeń metryczn a.
T O P O L O G I A WPPT I, sem. letni WYK LAD 8 Zwartość D E F I N I C J E Niech (X, d) oznacza przestrzeń metryczn a. Wroc law, 1 kwietnia 008 Definicja 1. (X, d) jest ca lkowicie ograniczona jeśli dla
Bardziej szczegółowoUzgadnianie wyrażeń rachunku predykatów. Adam i orzeszki. Joanna Józefowska. Poznań, rok akademicki 2009/2010
Instytut Informatyki Poznań, rok akademicki 2009/2010 Instytut Informatyki Poznań, rok akademicki 2009/2010 1 Podstawienia Motywacja Podstawienie 2 Sk ladanie podstawień Motywacja Z lożenie podstawień
Bardziej szczegółowoEGZAMIN MAGISTERSKI, czerwiec 2014 Matematyka w ekonomii i ubezpieczeniach
Matematyka w ekonomii i ubezpieczeniach Sprawdź, czy wektor x 0 = (0,5,,0,0) jest rozwiązaniem dopuszczalnym zagadnienia programowania liniowego: Zminimalizować 3x 1 +x +x 3 +4x 4 +6x 5, przy ograniczeniach
Bardziej szczegółowoWYK LAD 2: PODSTAWOWE STRUKTURY ALGEBRAICZNE, PIERWIASTKI WIELOMIANÓW, ROZK LAD FUNKCJI WYMIERNEJ NA U LAMKI PROSTE
WYK LAD 2: PODSTAWOWE STRUKTURY ALGEBRAICZNE, PIERWIASTKI WIELOMIANÓW, ROZK LAD FUNKCJI WYMIERNEJ NA U LAMKI PROSTE Definicja 1 Algebra abstrakcyjna nazywamy teorie, której przedmiotem sa dzia lania na
Bardziej szczegółowoSTYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1
1 STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1 Klasyczny Rachunek Prawdopodobieństwa. 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany. Posiadamy
Bardziej szczegółowoGrupy i cia la, liczby zespolone
Rozdzia l 1 Grupy i cia la, liczby zespolone Dla ustalenia uwagi, b edziemy używać nast epuj acych oznaczeń: N = { 1, 2, 3,... } - liczby naturalne, Z = { 0, ±1, ±2,... } - liczby ca lkowite, W = { m n
Bardziej szczegółowoczastkowych Państwo przyk ladowe zadania z rozwiazaniami: karpinw adres strony www, na której znajda
Zadania z równań różniczkowych czastkowych Za l aczam adres strony www, na której znajda Państwo przyk ladowe zadania z rozwiazaniami: http://math.uni.lodz.pl/ karpinw Zadanie 1. Znaleźć wszystkie rozwiazania
Bardziej szczegółowow teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak
Równania różniczkowe czastkowe w teorii funkcji. Dwa s lynne problemy. Micha l Jasiczak Horyzonty 2014 Podstawowy obiekt wyk ladu: funkcje holomorficzne wielu zmiennych Temat: dwa problemy, których znane
Bardziej szczegółowoMetoda Simplex bez użycia tabel simplex 29 kwietnia 2010
R. Rȩbowski 1 WPROWADZENIE Metoda Simplex bez użycia tabel simplex 29 kwietnia 2010 1 Wprowadzenie Powszechnie uważa siȩ, że metoda simplex, jako uniwersalny algorytm pozwalaj acyznaleźć rozwi azanie optymalne
Bardziej szczegółowoWyk lad 1 Podstawowe struktury algebraiczne
Wyk lad 1 Podstawowe struktury algebraiczne 1 Dzia lanie w zbiorze Majac dane dowolne dwa przedmioty a b możemy z nich utworzyć pare uporzadkowan a (a b) o poprzedniku a i nastepniku b. Warunek na równość
Bardziej szczegółowoRozdzia l 11. Przestrzenie Euklidesowe Definicja, iloczyn skalarny i norma. iloczynem skalarnym.
Rozdzia l 11 Przestrzenie Euklidesowe 11.1 Definicja, iloczyn skalarny i norma Definicja 11.1 Przestrzenia Euklidesowa nazywamy par e { X K,ϕ }, gdzie X K jest przestrzenia liniowa nad K, a ϕ forma dwuliniowa
Bardziej szczegółowoWyk lad 9 Baza i wymiar przestrzeni liniowej
Wyk lad 9 Baza i wymiar przestrzeni liniowej 1 Operacje elementarne na uk ladach wektorów Niech α 1,..., α n bed dowolnymi wektorami przestrzeni liniowej V nad cia lem K. Wyróżniamy nastepuj ace operacje
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
5 marca 2011 Zasady 10 wyk ladów; egzamin pisemny; Literatura 1 A. Lomnicki Wprowadzenie do statystyki dla przyrodników PWN 1999. 2 W. Krysicki, J. Bartos, W. Dyczka, K. Królikowska, M. Wasilewski Rachunek
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład VIII: Przestrzenie statystyczne. Estymatory 1 grudnia 2014 Wprowadzenie Przykład: pomiar z błędem Współczynnik korelacji r(x, Z) = 0, 986 Wprowadzenie Przykład: pomiar z błędem Współczynnik korelacji
Bardziej szczegółowoEGZAMIN MAGISTERSKI, Matematyka w ekonomii i ubezpieczeniach. x i 0,
Matematyka w ekonomii i ubezpieczeniach Wiedząc, że wektor x 0 = (0,3,0,0,4) jest rozwiązaniem optymalnym zagadnienia programowania liniowego: zminimalizować 3x 1 +2x 2 +5x 3 +3x 4 +4x 5, przy ograniczeniach
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
23 kwietnia 2014 Korelacja - wspó lczynnik korelacji 1 Gdy badamy różnego rodzaju rodzaju zjawiska (np. przyrodnicze) możemy stwierdzić, że na każde z nich ma wp lyw dzia lanie innych czynników; Korelacja
Bardziej szczegółowoSkładki i rezerwy netto
ROZDZIAŁ 6 Składki i rezerwy netto 1 Składki netto Umowę pomiędzy ubezpieczycielem a ubezpieczonym dotyczącą ubezpieczenia na życie nazywa się polisą ubezpieczeniową Polisa taka zawiera szczegółowe warunki
Bardziej szczegółowoProstota grup A n. Pokażemy, że grupy A n sa. proste dla n 5. Dowód jest indukcyjny i poprzedzimy go lematem.
Prostota grup A n. Pokażemy, że grupy A n sa proste dla n 5. Dowód jest indukcyjny i poprzedzimy go lematem. 1 2 0. Twierdzenie Schura Zassenhausa W tym rozdziale zajmiemy sie bardzo użytecznym twierdzeniem,
Bardziej szczegółowoSterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina.
Sterowanie optymalne dla uk ladów nieliniowych. Zasada maksimum Pontriagina. Podstawowy problem sterowania optymalnego dla uk ladów nieliniowych W podstawowym problemie sterowania optymalnego minimalizacji
Bardziej szczegółowoCentralne twierdzenie graniczne
Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski Wykład 4 Ważne uzupełnienie Dwuwymiarowy rozkład normalny N (µ X, µ Y, σ X, σ Y, ρ): f XY (x, y) = 1 2πσ X σ Y 1 ρ 2 { [ (x ) 1
Bardziej szczegółowo1. Ubezpieczenia życiowe
1. Ubezpieczenia życiowe Przy ubezpieczeniach życiowych mamy do czynienia z jednorazową wypłatą sumy ubezpieczenia. Moment jej wypłaty i wielkość wypłaty może być funkcją zmiennej losowej T a więc czas
Bardziej szczegółowoElementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań
Elementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań Micha l Ziembowski m.ziembowski@mini.pw.edu.pl www.mini.pw.edu.pl/ ziembowskim/ October 2, 2016 M. Ziembowski (WUoT) Elementy logiki i teorii
Bardziej szczegółowoDziedziny Euklidesowe
Dziedziny Euklidesowe 1.1. Definicja. Dziedzina Euklidesowa nazywamy pare (R, v), gdzie R jest dziedzina ca lkowitości a v : R \ {0} N {0} funkcja zwana waluacja, która spe lnia naste ce warunki: 1. dla
Bardziej szczegółowoSuma i przeciȩcie podprzestrzeń, suma prosta, przestrzeń ilorazowa Javier de Lucas
Suma i przeciȩcie podprzestrzeń suma prosta przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1 W zależności od wartości parametru p podaj wymiar przestrzeni W = v 1 v v 3 gdzie p 0 v 1 = 1 + p 3 v = 5 3
Bardziej szczegółowoArchitektura systemów komputerowych
Architektura systemów komputerowych Grzegorz Mazur Zak lad Metod Obliczeniowych Chemii Uniwersytet Jagielloński 12 kwietnia 2011 Grzegorz Mazur (ZMOCh UJ) Architektura systemów komputerowych 12 kwietnia
Bardziej szczegółowoRozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład
Rozdział 1 Wektory losowe 1.1 Wektor losowy i jego rozkład Definicja 1 Wektor X = (X 1,..., X n ), którego każda współrzędna jest zmienną losową, nazywamy n-wymiarowym wektorem losowym (krótko wektorem
Bardziej szczegółowo176 Wstȩp do statystyki matematycznej = 0, 346. uczelni zdaje wszystkie egzaminy w pierwszym terminie.
176 Wtȩp do tatytyki matematycznej trści wynika że H o : p 1 przeciwko hipotezie H 3 1: p< 1. Aby zweryfikować tȩ 3 hipotezȩ zatujemy tet dla frekwencji. Wtedy z ob 45 1 150 3 1 3 2 3 150 0 346. Tymczaem
Bardziej szczegółowoWyk lad 4 Dzia lania na macierzach. Określenie wyznacznika
Wyk lad 4 Dzia lania na macierzach Określenie wyznacznika 1 Określenie macierzy Niech K bedzie dowolnym cia lem oraz niech n i m bed a dowolnymi liczbami naturalnymi Prostokatn a tablice a 11 a 12 a 1n
Bardziej szczegółowoBłędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa
Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie
Bardziej szczegółowoP. Urzyczyn: Materia ly do wyk ladu z semantyki. Uproszczony 1 j. ezyk PCF
29 kwietnia 2013, godzina 23: 56 strona 1 P. Urzyczyn: Materia ly do wyk ladu z semantyki Uproszczony 1 j ezyk PCF Sk ladnia: Poniżej Γ oznacza otoczenie typowe, czyli zbiór deklaracji postaci (x : τ).
Bardziej szczegółowoEGZAMIN DYPLOMOWY, część II, Biomatematyka
Biomatematyka Niech a będzie recesywnym płciowo skojarzonym genem i załóżmy, że proces selekcji uniemożliwia kojarzenie się osobników płci męskiej o genotypie aa. Przyjmijmy, że genotypy AA, Aa i aa występują
Bardziej szczegółowoWykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe.
Rachunek prawdopodobieństwa MAP3040 WPPT FT, rok akad. 2010/11, sem. zimowy Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Warunkowa wartość oczekiwana.
Bardziej szczegółowoZagadnienie Dualne Zadania Programowania Liniowego. Seminarium Szkoleniowe Edyta Mrówka
Zagadnienie Dualne Zadania Programowania Liniowego Seminarium Szkoleniowe Edyta Mrówka Ogólne zagadnienie PL Znajdź taki wektor X = (x 1, x 2,..., x n ), który minimalizuje kombinacje liniow a przy ograniczeniach
Bardziej szczegółowoWyk lad 14 Cia la i ich w lasności
Wyk lad 4 Cia la i ich w lasności Charakterystyka cia la Określenie cia la i w lasności dzia lań w ciele y ly omówione na algerze liniowej. Stosujac terminologie z teorii pierścieni możemy powiedzieć,
Bardziej szczegółowoPROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω)
PROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω) określonych na tej samej przestrzeni probabilistycznej
Bardziej szczegółowoNiesimpleksowe metody rozwia zywania zadań PL. Seminarium Szkoleniowe Edyta Mrówka
Niesimpleksowe metody rozwia zywania zadań PL Seminarium Szkoleniowe Metoda Simplex: wady i zalety Algorytm SIMPLEX jest szeroko znany i stosowany do rozwi azywania zadań programowania liniowego w praktyce.
Bardziej szczegółowoRachunek zdań - semantyka. Wartościowanie. ezyków formalnych. Semantyka j. Logika obliczeniowa. Joanna Józefowska. Poznań, rok akademicki 2009/2010
Logika obliczeniowa Instytut Informatyki Poznań, rok akademicki 2009/2010 1 formu l rachunku zdań Wartościowanie i sta le logiczne Logiczna równoważność 2 Model formu ly Formu la spe lniona Formu la spe
Bardziej szczegółowoFUNKCJE LICZBOWE. x 1
FUNKCJE LICZBOWE Zbiory postaci {x R: x a}, {x R: x a}, {x R: x < a}, {x R: x > a} oznaczane sa symbolami (,a], [a, ), (,a) i (a, ). Nazywamy pó lprostymi domknie tymi lub otwartymi o końcu a. Symbol odczytujemy
Bardziej szczegółowopo lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x)
Stan czastki określa funkcja falowa Ψ zależna od wspó lrzȩdnych określaj acych po lożenie cz astki i od czasu (t). Dla cz astki, która może poruszać siȩ tylko w jednym wymiarze (tu x) Wartości funkcji
Bardziej szczegółowoTestowanie hipotez statystycznych.
Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XI: Testowanie hipotez statystycznych 12 stycznia 2015 Przykład Motywacja X 1, X 2,..., X N N (µ, σ 2 ), Y 1, Y 2,..., Y M N (ν, δ 2 ). Chcemy sprawdzić, czy µ = ν i σ 2 = δ 2, czyli że w obu populacjach
Bardziej szczegółowoEGZAMIN MAGISTERSKI, Biomatematyka
Biomatematyka 91...... Zadanie 1. (8 punktów) Liczebność pewnej populacji jest opisana równaniem różniczkowym: dn = r N(α N)(N β), (1) dt w którym, N(t) oznacza liczebność populacji w chwili t, a r > 0
Bardziej szczegółowoMODELE MATEMATYCZNE W UBEZPIECZENIACH
MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 6: SKŁADKI OKRESOWE Składki okresowe netto Umowę pomiędzy ubezpieczycielem a ubezpieczonym dotyczącą ubezpieczenia na życie nazywa się polisą ubezpieczeniową
Bardziej szczegółowoWnioskowanie statystyczne i weryfikacja hipotez statystycznych
Wnioskowanie statystyczne i weryfikacja hipotez statystycznych Wnioskowanie statystyczne Wnioskowanie statystyczne obejmuje następujące czynności: Sformułowanie hipotezy zerowej i hipotezy alternatywnej.
Bardziej szczegółowoElementy teorii przeżywalności
Elementy teorii przeżywalności Zadanie 1.1 Przyjmijmy, że funkcja przeżycia s(x) = ax + b dla 0 x ω. Znaleźć medianę zmiennej X, jeśli wiadomo, że wartość oczekiwana E(X) = 60. Zadanie 1.2 Mając funkcje
Bardziej szczegółowoEGZAMIN MAGISTERSKI, czerwiec 2016 Matematyka w ekonomii i ubezpieczeniach
Matematyka w ekonomii i ubezpieczeniach Dana jest następująca macierz wypłat gry o sumie zero: Podaj rozwiązanie tej gry. M = 3 2 2 2 3 4 5 2 3 3 2 2 4 2 0 3 3 3 Kredyt ma być spłacany na początku roku
Bardziej szczegółowo