Matematyka ubezpieczeń majątkowych r.

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "Matematyka ubezpieczeń majątkowych r."

Transkrypt

1 Matematyka ubezpieczeń majątkowych r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są warukowo iezależe i: k λ Pr( N t = k Λ = λ) = e λ k = 0,,, K k! Parametr ryzyka Λ w populacji ubezpieczoych przyjmuje wartości: /4 lub /. Mamy do czyieia z dwuetapowym doświadczeiem losowym: ajpierw losujemy ubezpieczoego zgodie z rozkładem prawdopodobieństwa Pr ( Λ = / 4) = / = Pr( Λ = / ) astępie obserwujemy liczby geerowaych przez iego szkód N, N, N N. N t 3, Staramy się przewidzieć liczbę szkód w astępym okresie, czyli N 5. Jeśli wiadomo, że: N + N + N + N 0, to (warukowe) prawdopodobieństwo tego, że N 5 = = jest rówe (w przybliżeiu): 4 (A) 0.77 (B) 0.73 (C) 0.69 (D) 0.65 (E) 0.6

2 Matematyka ubezpieczeń majątkowych r. Zadaie. W pewym ubezpieczeiu jedyie pewa część szkód jest zgłaszaa. Niech K ozacza liczbę szkód zaszłych, zaś N liczbę szkód zgłoszoych. Niech i umeruje szkody zaszłe, a M i ozacza zmieą przyjmującą wartość gdy i-tą szkodę zgłoszoo, a wartość 0 gdy jej ie zgłoszoo. Wtedy: N = M + M + L + M K Załóżmy, że M i są zmieymi losowymi o idetyczym rozkładzie, iezależymi awzajem i od zmieej K, oraz iż zmiea K ma rozkład Poissoa z wartością oczekiwaą λ. Przyjmijmy założeia liczbowe: Pr ( M = ) = / 3 i λ = Warukowa wariacja ilości szkód ie-zgłoszoych, pod warukiem iż zgłoszoo dwie szkody: Var K N N = wyosi: ( ) (A) /3 (B) / (C) /3 (D) 5/6 (E)

3 Matematyka ubezpieczeń majątkowych r. Zadaie 3. Wiadomo, że rozkład sumy W = X + X dwóch iezależych zmieych losowych o rozkładach złożoych dwumiaowych z parametrami odpowiedio (, q, F ) oraz (, q, F ) jest także rozkładem złożoym dwumiaowym o parametrach (, q, F W W ), gdzie dystrybuata FW daa jest wzorem: F x = w F x + w F x + w w F F x, ( ) ( ) ( ) ( )( )( ) x W * F * F F F i gdzie ozacza dystrybuatę sumy dwóch iezależych zmieych losowych o dystrybuatach oraz. Przyjmijmy założeia liczbowe: q = / 3 oraz q = / 4 Wyzacz wartość parametru w wzoru a dystrybuatę F. Uwaga: parametry rozkładu złożoego dwumiaowego podajemy jako trójkę (, q, F ), gdzie (, q) to parametry rozkładu dwumiaowego liczby szkód zaś F to dystrybuata rozkładu wartości pojedyczej szkody taka, że (A) w = / 6 (B) w = / 4 (C) w = / 3 (D) w = / (E) w = / 3 W F ( 0 ) = 0. 3

4 Matematyka ubezpieczeń majątkowych r. Zadaie 4. Rozważamy klasyczy model procesu adwyżki: U t = u + ct ), gdzie: () S N (t u jest adwyżką początkową, ct jest sumą składek zgromadzoych do mometu t, () t N jest procesem Poissoa z parametrem itesywości λ, S = Y i jest sumą wypłat, a pojedycze wypłaty iezależymi awzajem i od procesu Y i i= są zmieymi losowymi o idetyczym rozkładzie, N ( t). Niech L ozacza maksymalą stratę, L jej dystrybuatę, zaś prawdopodobieństwo ruiy przy adwyżce początkowej u. Wtedy dla każdego zachodzi: F L u = Ψ u = Pr t 0 U t 0. ( ) ( ) ( ( ) ) F Ψ( u) u 0 Załóżmy, że wypłaty Y i mają rozkład wykładiczy z wartością oczekiwaą parametr itesywości składki c wyosi: c = λµ 0%. µ, oraz iż Oblicz Ψ ( E( L) ), czyli prawdopodobieństwo ruiy przy założeiu, iż kapitał początkowy rówy jest wartości oczekiwaej maksymalej straty. (A) Ψ( E( L) ) (B) Ψ( E( L) ) (C) Ψ( E( L) ) (D) Ψ( E( L) ) 0. 5 (E) Ψ( E( L) )

5 Matematyka ubezpieczeń majątkowych r. Zadaie 5. Rozważamy klasyczy model procesu adwyżki: U t = u + ct ), gdzie: () S N (t u to adwyżka początkowa, ct to suma składek zgromadzoych do mometu t, pojedycze wypłaty Y i awzajem i od procesu t. Niech c = ( +θ ) λe(y ). () t N to proces Poissoa z parametrem itesywości λ, to suma wypłat, a to zmiee losowe o idetyczym rozkładzie, iezależe N( ) S = Y i Załóżmy, że wypłaty Y i mają rozkład day a półosi dodatiej gęstością: f Y ( y) = exp y +. 3 πσ y σ y O rozkładzie tym wiadomo, że: E Y =, Var ( Y ) = σ, oraz iż: ( ) fukcja ( ( ty )) postać: E exp( ty ) E exp przyjmuje wartości skończoe dla t σ /, i ma wtedy ( ) = exp( σ ( tσ ) Niech θ ozacza maksymalą wartość parametru θ spośród takich jego dodatich wartości, dla których współczyik dopasowaia (adjustmet coefficiet) istieje bez względu a to, ile wyosi wariacja σ zmieej Y. Spośród poiższych pięciu zdań wybierz zdaie prawdziwe.. i= (A) θ ie istieje, bo R istieje dla dowolych θ > 0 i σ > 0 (B) θ ie istieje, bo dla dowolego θ > 0 moża wskazać takie σ > 0, że R ie istieje (C) θ = e (D) θ = / (E) θ = 5

6 Matematyka ubezpieczeń majątkowych r. Zadaie 6. Niech X t, j roku t, a likwidowae są w roku ozacza wartość szkód z pewego portfela, które zaszły w t + j. Przyjmujemy założeie, że dla każdego t oraz j λ r,, a więc iż zmiee te mają złożoe rozkłady Poissoa o parametrach ( ) rozkład wartości pojedyczej szkody jest bez względu a rok zajścia i rok likwidacji taki sam, oczekiwaa liczba szkód zaszłych w każdym roku jest taka sama i wyosi λ, zaś współczyiki rozkładu opóźieia są ieujeme i sumują się do jedyki: =0 j r j tylko r j =. Załóżmy też, że wszystkie zmiee są awzajem iezależe (jeśli t τ lub i j to i iezależe). X t, j X τ, i Przy założeiach: λ = 500 ; E( Y )= 3 Var( Y ) = 3 współczyiki r0, r, r,... tworzą ciąg geometryczy: r j+ = rj 3 oblicz wariację łączej wartości szkód zaszłych przed końcem roku T, które przed końcem tego roku ie zostały zlikwidowae, a więc wariację sumy: = t= 0 j= t+ X T t, j X t, j j F Y Uwaga: zakładamy że proces przebiega od zawsze, tz. dla ustaloego T i dowolie wielkich t zmiea X spełia założeia. T t, j (A) Var( ) = 000 (B) Var( ) = 6000 (C) Var( ) = (D) Var( ) = 3000 (E) Var( ) =

7 Matematyka ubezpieczeń majątkowych r. Zadaie 7. Łącza wartość szkód w pewym portfelu ryzyk: W = Y + K+ Y N ma złożoy rozkład Poissoa, gdzie E( N ) = 70 i wartość pojedyczej szkody Y ma rozkład jedostajy a odciku 0,. ( ) ( ) Niech teraz zmiea W R d ozacza łączą wartość adwyżek każdej ze szkód poad wartość d, pokrywaą przez reasekuratora: W d = Y d + K + Y d R ( ) ( ) + ( N ) + zaś zmiea ( d ) = W W ( d ), W U R ozacza pozostałą a udziale własym ubezpieczyciela kwotę, a więc: W d = mi Y, d + K + mi Y d. ( ) { } { } U N, Dobrao taką wartość d * parametru podziału ryzyka z przedziału ( 0, ), która miimalizuje sumę wariacji Var W d + Var W d. Miimala wartość tej sumy, ( U ( )) ( R ( )) czyli Var ( W U ( d *)) + Var ( d *)), wyosi: (A) 36 (B) 40 (C) 45 (D) 48 (E) 50 (W R 7

8 Matematyka ubezpieczeń majątkowych r. Zadaie 8. Ubezpieczyciel pokrywa ryzyka, które za okres roku geerują łączą wartość szkód: W = Y + K+ Niech ryzyk. Y N, o złożoym rozkładzie Poissoa, gdzie rozkład wartości pojedyczej szkody Y day jest dystrybuatą taką, że F 0 = F ( ) 0 pobiera za to pokrycie składkę w wysokości składki etto E ( W ) M = mi { m : F( m) = } będzie maksymalą wartością szkody z pokrywaych Rozważmy liczbę c taką, że jeśli tylko zachodzi ierówość: M c E( W ) to współczyik zmieości zmieej W ie przekroczy jedej szesastej: VAR( W ) E( W ) 6 Zajdź liczbę c*, która jest ajwiększą spośród liczb c o powyższej własości. (A) c * = 6 (B) c * = 56 (C) (D) (E) c * = 4 c * = 8 c* = 64 8

9 Matematyka ubezpieczeń majątkowych r. Zadaie 9. Przy daej wartości parametru ryzyka Λ łącza wartość szkód X z pewego ryzyka ma złożoy rozkład Poissoa z parametrami ( Λ, FY / Λ () ), a warukowa wartość oczekiwaa pojedyczej szkody Y daa jest wzorem: E ( Y Λ) = 8 + 3Λ. Parametr ryzyka Λ ma rozkład Gamma ( α, β ), day a półosi dodatiej gęstością: α β α f Λ ( λ) = λ exp( βλ), Γ( α ) z parametrami: α =, β = 8. E (X ) wyosi: (A) 7 (B) 8 (C) 9 (D) 6 (E) 3 9

10 Matematyka ubezpieczeń majątkowych r. Zadaie 0. Załóżmy, że w modelu procesu adwyżki ubezpieczyciela z czasem dyskretym zmiea W wyraża łączą wartość szkód w roku -tym. Zmiee te w kolejych latach są iezależe i mają idetyczy rozkład day a przedziale gęstością: x = x x ( ) ( ) f W ( 0, ) Ubezpieczyciel w każdym roku pobiera składkę c. Dywideda wypłacaa akcjoariuszom w roku -tym zależa jest jedyie od wyiku tego roku, i wyosi: D = max { 0, δ ( c W )}, δ ( 0,), co ozacza, że akcjoariusze mają udział 00 δ procetowy w dodatim wyiku, atomiast ie partycypują w stratach. W rezultacie proces adwyżki U ubezpieczyciela ma przyrosty iezależe o postaci: c W gdy W > c U U = δ c W gdy W c ( ) ( ) Wiadomo, że przy daej składce c wskaźik udziału δ powiie być iższy od takiej wartości δ *, przy której przyrost procesu będzie miał zerową wartość oczekiwaą. Dla składki c = / parametr δ * wyosi (w przybliżeiu): D (A) 70% (B) 60% (C) 50% (D) 40% (E) 30% 0

11 Matematyka ubezpieczeń majątkowych r. Egzami dla Aktuariuszy z 6 grudia 003 r. Matematyka ubezpieczeń majątkowych Arkusz odpowiedzi * Imię i azwisko... K L U C Z O D P O W I E D Z I... Pesel... Zadaie r Odpowiedź Puktacja B A 3 D 4 A 5 E 6 A 7 E 8 B 9 B 0 A * Oceiae są wyłączie odpowiedzi umieszczoe w Arkuszu odpowiedzi. Wypełia Komisja Egzamiacyja.

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X Matematyka ubezpieczeń majątkowych.0.0 r. Zadaie. Mamy day ciąg liczb q, q,..., q z przedziału 0,. Rozważmy trzy zmiee losowe: o X X X... X, gdzie X i ma rozkład dwumiaowy o parametrach,q i, i wszystkie

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

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że:

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że: Zadaie. Niech zmiee losowe: X t,k = μ + α k + β t + ε t,k, k =,2,, K oraz t =,2,, T, ozaczają łącze wartości szkód odpowiedio dla k-tego kotraktu w t-tym roku. O składikach aszych zmieych zakładamy, że:

Bardziej szczegółowo

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X Prawdoodobieństwo i statystyka 5..008 r. Zadaie. Załóżmy że 3 są iezależymi zmieymi losowymi o jedakowym rozkładzie Poissoa z wartością oczekiwaą λ rówą 0. Obliczyć v = var( 3 + + + 3 = 9). (A) v = 0 (B)

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie 1 Rzucamy 4 kości do gry (uczciwe). Prawdopodobieństwo zdarzeia iż ajmiejsza uzyskaa a pojedyczej kości liczba oczek wyiesie trzy (trzy oczka mogą wystąpić a więcej iż jedej kości) rówe jest: (A)

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 4.04.0 r. Zadanie. Przy danej wartości λ parametru ryzyka Λ liczby szkód generowane przez ubezpieczającego się w kolejnych latach to niezależne zmienne losowe o rozkładzie

Bardziej szczegółowo

Matematyka finansowa 08.10.2007 r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r.

Matematyka finansowa 08.10.2007 r. Komisja Egzaminacyjna dla Aktuariuszy. XLIII Egzamin dla Aktuariuszy z 8 października 2007 r. Matematyka fiasowa 08.10.2007 r. Komisja Egzamiacyja dla Aktuariuszy XLIII Egzami dla Aktuariuszy z 8 paździerika 2007 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:...

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

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa

WERSJA TESTU A. Komisja Egzaminacyjna dla Aktuariuszy. LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część I. Matematyka finansowa Matematyka fiasowa 8.05.0 r. Komisja Egzamiacyja dla Aktuariuszy LX Egzami dla Aktuariuszy z 8 maja 0 r. Część I Matematyka fiasowa WERJA EU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Zadanie. W pewnej populacji kierowców każdego jej członka charakteryzują trzy zmienne: K liczba przejeżdżanych kilometrów (w tysiącach rocznie) NP liczba szkód w ciągu roku, w których kierowca jest stroną

Bardziej szczegółowo

01. dla x 0; 1 2 wynosi:

01. dla x 0; 1 2 wynosi: Matematyka ubezpieczeń majątkowych 0.0.04 r. Zadanie. Ryzyko X ma rozkład z atomami: Pr X 0 08. Pr X 0. i gęstością: f X x 0. dla x 0; Ryzyko Y ma rozkład z atomami: Pr Y 0 07. Pr Y 0. i gęstością: fy

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 1.10.2012 r.

Matematyka ubezpieczeń majątkowych 1.10.2012 r. Zadanie. W pewnej populacji każde ryzyko charakteryzuje się trzema parametrami q, b oraz v, o następującym znaczeniu: parametr q to prawdopodobieństwo, że do szkody dojdzie (może zajść co najwyżej jedna

Bardziej szczegółowo

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne Wykład 4 Niezależość zmieych, fukcje i charakterystyki wektora losowego, cetrale twierdzeia graicze Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych 6.04.2009 r.

Matematyka ubezpieczeń majątkowych 6.04.2009 r. Matematyka ubezpieczeń majątkowych 6.04.009 r. Zadanie. Niech N oznacza liczbę szkód zaszłych w ciągu roku z pewnego ubezpieczenia z czego: M to liczba szkód zgłoszonych przed końcem tego roku K to liczba

Bardziej szczegółowo

1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n.

1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n. Przedziały ufości W tym rozdziale będziemy zajmować się przede wszystkim zadaiami związaymi z przedziałami ufości Będą as rówież iteresować statystki pozycyje oraz estymatory ajwiększej wiarygodości (Eg

Bardziej szczegółowo

Zadanie 1. są niezależne i mają rozkład z atomami: ( ),

Zadanie 1. są niezależne i mają rozkład z atomami: ( ), Zadanie. Zmienne losowe są niezależne i mają rozkład z atomami: ( ) ( ) i gęstością: ( ) na przedziale ( ). Wobec tego ( ) wynosi: (A) 0.2295 (B) 0.2403 (C) 0.2457 (D) 0.25 (E) 0.269 Zadanie 2. Niech:

Bardziej szczegółowo

Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami:

Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami: Zadanie 1. Zmienne losowe X 1, X 2 są niezależne i mają taki sam rozkład z atomami: Pr(X 1 = 0) = 6/10, Pr(X 1 = 1) = 1/10, i gęstością: f(x) = 3/10 na przedziale (0, 1). Wobec tego Pr(X 1 + X 2 5/3) wynosi:

Bardziej szczegółowo

Kurs Prawdopodobieństwo Wzory

Kurs Prawdopodobieństwo Wzory Kurs Prawdoodobieństwo Wzory Elemety kombiatoryki Klasycza deiicja rawdoodobieństwa gdzie: A - liczba zdarzeń srzyjających A - liczba wszystkich zdarzeń P A Tel. 603 088 74 Prawdoodobieństwo deiicja Kołmogorowa

Bardziej szczegółowo

Matematyka finansowa 06.10.2008 r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r.

Matematyka finansowa 06.10.2008 r. Komisja Egzaminacyjna dla Aktuariuszy. XLVII Egzamin dla Aktuariuszy z 6 października 2008 r. Komisja Egzamiacyja dla Aktuariuszy XLVII Egzami dla Aktuariuszy z 6 paździerika 2008 r. Część I Matematyka fiasowa WERSJA TESTU A Imię i azwisko osoby egzamiowaej:... Czas egzamiu: 00 miut . Kredytobiorca

Bardziej szczegółowo

Podstawowe rozkłady zmiennych losowych typu dyskretnego

Podstawowe rozkłady zmiennych losowych typu dyskretnego Podstawowe rozkłady zmieych losowych typu dyskretego. Zmiea losowa X ma rozkład jedopuktowy, skocetroway w pukcie x 0 (ozaczay przez δ(x 0 )), jeżeli P (X = x 0 ) =. EX = x 0, V arx = 0. e itx0.. Zmiea

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

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7 Metody probabilistycze i statystyka Estymacja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe Metody probabilistycze i statystyka Wykład 1 Zdarzeia losowe, defiicja prawdopodobieństwa, zmiee losowe Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością

Bardziej szczegółowo

Model ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.

Model ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej. Model ciągły wycey opcji Blacka Scholesa - Mertoa Wzór Blacka - Scholesa a wyceę opcji europejskiej. Model Blacka Scholesa- Mertoa Przełomowe prace z zakresu wycey opcji: Fischer Black, Myro Scholes The

Bardziej szczegółowo

LIV Egzamin dla Aktuariuszy z 4 października 2010 r. Część III

LIV Egzamin dla Aktuariuszy z 4 października 2010 r. Część III Komisja Egzaminacyjna dla Aktuariuszy LIV Egzamin dla Aktuariuszy z 4 października 2010 r. Część III Matematyka ubezpieczeń majątkowych Imię i nazwisko osoby egzaminowanej:. Czas egzaminu: 100 minut Komisja

Bardziej szczegółowo

= µ. Niech ponadto. M( s) oznacza funkcję tworzącą momenty. zmiennej T( x), dla pewnego wieku x, w populacji A. Wówczas e x wyraża się wzorem: 1

= µ. Niech ponadto. M( s) oznacza funkcję tworzącą momenty. zmiennej T( x), dla pewnego wieku x, w populacji A. Wówczas e x wyraża się wzorem: 1 1. W populacji B natężenie wymierania µ ( B ) x jest większe od natężenia wymierania ( A) µ x w populacji A, jednostajnie o µ > 0, dla każdego wieku x tzn. ( B) ( A) µ µ x = µ. Niech ponadto x M( s) oznacza

Bardziej szczegółowo

Estymacja współczynnika dopasowania w klasycznym modelu ryzyka

Estymacja współczynnika dopasowania w klasycznym modelu ryzyka Ogólopolska Koferecja Naukowa Zagadieia Aktuariale Teoria i praktyka Warszawa, 9- czerwca 008 Estymacja współczyika dopasowaia w klasyczym modelu ryzyka Aa Nikodem Uiwersytet Ekoomiczy we Wrocławiu Klasyczy

Bardziej szczegółowo

P ( i I A i) = i I P (A i) dla parami rozłącznych zbiorów A i. F ( ) = lim t F (t) = 0, F (+ ) = lim t + F (t) = 1.

P ( i I A i) = i I P (A i) dla parami rozłącznych zbiorów A i. F ( ) = lim t F (t) = 0, F (+ ) = lim t + F (t) = 1. Podstawy teorii miary probabilistyczej. Zbiory mierzale σ ciało zbiorów Załóżmy, że mamy jakiś zbiór Ω. Niech F będzie taką rodzią podzbiorów Ω, że: Ω F A F A F i I A i F i I A i F Wtedy rodzię F azywamy

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą

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

Estymatory nieobciążone o minimalnej wariancji

Estymatory nieobciążone o minimalnej wariancji Estymatory ieobciążoe o miimalej wariacji Model statystyczy (X, {P θ, θ Θ}); g : Θ R 1 Zadaie: oszacować iezaą wartość g(θ) Wybrać takie δ(x 1, X 2,, X ) by ( θ Θ) ieobciążoość E θ δ(x 1, X 2,, X ) = g(θ)

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

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40.

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40. Portfele polis Poieważ składka jest ustalaa jako wartość oczekiwaa rzeczywistego, losowego kosztu ubezpieczeia, więc jest tym bliższa średiej wydatków im większa jest liczba ubezpieczoych Polisy grupuje

Bardziej szczegółowo

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa) Rozład ormal (Gaussa Wprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowch. Rozważm pomiar wielości, tór jest zaburza przez losowch efetów o wielości ε ażd, zarówo zaiżającch ja i zawżającch

Bardziej szczegółowo

Matematyka ubezpieczeń życiowych r.

Matematyka ubezpieczeń życiowych r. . W populacji, w której śmiertelnością rządzi prawo de Moivre a z wiekiem granicznym ω = 50, dzieckiem jest się do wieku d. W wieku d rozpoczyna się pracę i pracuje się do wieku p.w wieku p przechodzi

Bardziej szczegółowo

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję

Bardziej szczegółowo

Estymacja przedziałowa

Estymacja przedziałowa Metody probabilistycze i statystyka Estymacja przedziałowa Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Zadanie. Niech łączna wartość szkód: Ma złożony rozkład Poissona. Momenty rozkładu wartości poedyncze szkody wynoszą:, [ ]. Wiemy także, że momenty nadwyżki wartości poedyncze szkody ponad udział własny

Bardziej szczegółowo

Trochę zadań kombinatorycznych. 1. na ile sposobów można siedmiu stojących na peronie pasażerów umieścić w trzech wagonach?

Trochę zadań kombinatorycznych. 1. na ile sposobów można siedmiu stojących na peronie pasażerów umieścić w trzech wagonach? Trochę zadań kombiatoryczych 1. a ile sposobów moża siedmiu stojących a peroie pasażerów umieścić w trzech wagoach? 2. Na szachowicy o wymiarach umieszczamy 8 ierozróżialych wież szachowych tak aby żade

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobieństwo i statystyka 9.06.999 r. Zadanie. Rzucamy pięcioma kośćmi do gry. Następnie rzucamy ponownie tymi kośćmi, na których nie wypadły szóstki. W trzeciej rundzie rzucamy tymi kośćmi, na których

Bardziej szczegółowo

0.1 Statystyczne Podstawy Modelu Regresji

0.1 Statystyczne Podstawy Modelu Regresji 0.1 Statystycze Podstawy Modelu Regresji iech daa będzie przestrzeń probabilistycza (Ω, F, P ). Fukcję X : Ω R, określoą a przestrzei zdarzeń elemetarych Ω, o wartościach rzeczywistych, takich że x R {ω

Bardziej szczegółowo

Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX = 4 i EY = 6. Rozważamy zmienną losową Z =.

Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX = 4 i EY = 6. Rozważamy zmienną losową Z =. Prawdopodobieństwo i statystyka 3..00 r. Zadanie Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX 4 i EY 6. Rozważamy zmienną losową Z. X + Y Wtedy (A) EZ 0,

Bardziej szczegółowo

Modele probabilistyczne zjawisk losowych

Modele probabilistyczne zjawisk losowych Statystyka-matematycza-II Wykład Modele probabilistycze zjawisk losowych Pojęcia podstawowe: Zdarzeia elemetare: ajprostsze zdarzeie mogące być wyróżioe dla daego doświadczeia losowego. Ω - zbiór zdarzeń

Bardziej szczegółowo

Zasada indukcji matematycznej. Dowody indukcyjne.

Zasada indukcji matematycznej. Dowody indukcyjne. Zasada idukcji matematyczej Dowody idukcyje Z zasadą idukcji matematyczej i dowodami idukcyjymi sytuacja jest ajczęściej taka, że podaje się w szkole treść zasady idukcji matematyczej, a astępie omawia,

Bardziej szczegółowo

LXXV Egzamin dla Aktuariuszy z 5 grudnia 2016 r.

LXXV Egzamin dla Aktuariuszy z 5 grudnia 2016 r. Komisja Egzaminacyjna dla Aktuariuszy LXXV Egzamin dla Aktuariuszy z 5 grudnia 2016 r. Część II Matematyka ubezpieczeń życiowych Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut Warszawa,

Bardziej szczegółowo

ZSTA LMO Zadania na ćwiczenia

ZSTA LMO Zadania na ćwiczenia ZSTA LMO Zadaia a ćwiczeia Efektywość estymatorów ieobciążoych Zadaie 1. Zakładamy, że badaa cecha X populacji ma rozkład Poissoa πλ, gdzie λ > 0 jest parametrem. Poadto, iech X = X 1, X,..., X będzie

Bardziej szczegółowo

Szereg geometryczny. 5. b) b n = 4n 2 (b 1 = 2, r = 4) lub b n = 10 (b 1 = 10, r = 0). 2. jest równa 1 x dla x = 1+ Zad. 3:

Szereg geometryczny. 5. b) b n = 4n 2 (b 1 = 2, r = 4) lub b n = 10 (b 1 = 10, r = 0). 2. jest równa 1 x dla x = 1+ Zad. 3: Szereg geometryczy Zad : Suma wszystkich wyrazów ieskończoego ciągu geometryczego jest rówa 4, a suma trzech początkowych wyrazów wyosi a) Zbadaj mootoiczość ciągu sum częściowych tego ciągu geometryczego

Bardziej szczegółowo

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12 Wykład Korelacja i regresja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Wykład 8. Badaie statystycze ze względu

Bardziej szczegółowo

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim.

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim. Damia Doroba Ciągi. Graice, z których korzystamy. k. q.. 5. dla k > 0 dla k 0 0 dla k < 0 dla q > 0 dla q, ) dla q Nie istieje dla q ) e a, a > 0. Opis. Pierwsza z graic powia wydawać się oczywista. Jako

Bardziej szczegółowo

LIII Egzamin dla Aktuariuszy z 31 maja 2010 r. Część III

LIII Egzamin dla Aktuariuszy z 31 maja 2010 r. Część III Komisja Egzaminacyjna dla Aktuariuszy LIII Egzamin dla Aktuariuszy z 3 maja 200 r. Część III Matematyka ubezpieczeń majątkowych Imię i nazwisko osoby egzaminowanej:. Czas egzaminu: 00 minut Komisja Nadzoru

Bardziej szczegółowo

CIĄGI LICZBOWE. Poziom podstawowy

CIĄGI LICZBOWE. Poziom podstawowy CIĄGI LICZBOWE Poziom podstawowy Zadaie ( pkt) + 0 Day jest ciąg o wyrazie ogólym a =, N+ + jest rówy? Wyzacz a a + Czy istieje wyraz tego ciągu, który Zadaie (6 pkt) Marek chce przekopać swój przydomowy

Bardziej szczegółowo

1. Niech g(t) oznacza gęstość wymierania, od momentu narodzin, pewnej populacji mężczyzn. Demografowie zauważyli, że po drobnej modyfikacji: =

1. Niech g(t) oznacza gęstość wymierania, od momentu narodzin, pewnej populacji mężczyzn. Demografowie zauważyli, że po drobnej modyfikacji: = . Niech g(t) oznacza gęstość wymierania, od momentu narodzin, pewnej populacji mężczyzn. Demografowie zauważyli, że po drobnej modyfikacji: ~ 0,9g( t) 0 t < 50 g ( t) =,2 g( t) 50 t. opisuje ona śmiertelność

Bardziej szczegółowo

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum

MATEMATYKA (poziom podstawowy) przykładowy arkusz maturalny wraz ze schematem oceniania dla klasy II Liceum MATEMATYKA (poziom podstawowy) przykładowy arkusz maturaly wraz ze schematem oceiaia dla klasy II Liceum Propozycja zadań maturalych sprawdzających opaowaie wiadomości i umiejętości matematyczych z zakresu

Bardziej szczegółowo

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407 Statystyka i Opracowaie Daych W7. Estymacja i estymatory Dr Aa ADRIAN Paw B5, pok407 ada@agh.edu.pl Estymacja parametrycza Podstawowym arzędziem szacowaia iezaego parametru jest estymator obliczoy a podstawie

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

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i = Zastosowaie symboli Σ i Π do zapisu sum i iloczyów Teoria Niech a, a 2,..., a będą dowolymi liczbami. Sumę a + a 2 +... + a zapisuje się zazwyczaj w postaci (czytaj: suma od k do a k ). Zak Σ to duża grecka

Bardziej szczegółowo

8. Udowodnić, że: a) macierz X X jest macierzą symetryczną; b) jeśli M jest macierzą idempotentną, o wyznaczniku różnym od 0, to M = I;

8. Udowodnić, że: a) macierz X X jest macierzą symetryczną; b) jeśli M jest macierzą idempotentną, o wyznaczniku różnym od 0, to M = I; Powtórzeie z algebry, rachuku prawdopodobieństwa i statystyki Zadaia. Pokazać, że dla dowolego odwracalego A,.. Pokazać z defiicji, że macierz jest ieujemie określoa. 3. Pokazać (z defiicji liiowej iezależości),

Bardziej szczegółowo

LXIX Egzamin dla Aktuariuszy z 8 grudnia 2014 r.

LXIX Egzamin dla Aktuariuszy z 8 grudnia 2014 r. Komisja Egzaminacyjna dla Aktuariuszy LXIX Egzamin dla Aktuariuszy z 8 grudnia 2014 r. Część II Matematyka ubezpieczeń życiowych Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut Warszawa,

Bardziej szczegółowo

XXXIII Egzamin dla Aktuariuszy z 17 stycznia 2005 r.

XXXIII Egzamin dla Aktuariuszy z 17 stycznia 2005 r. Komisja Egzaminacyjna dla Aktuariuszy XXXIII Egzamin dla Aktuariuszy z 17 stycznia 2005 r. Część II Matematyka ubezpieczeń życiowych Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut Warszawa,

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa I Grupę n dzieci ustawiono w sposób losowy w szereg. Oblicz prawdopodobieństwo

Zadania z Rachunku Prawdopodobieństwa I Grupę n dzieci ustawiono w sposób losowy w szereg. Oblicz prawdopodobieństwo Zadaia z Rachuku Prawdopodobieństwa I - 1 1. Grupę dzieci ustawioo w sposób losowy w szereg. Oblicz prawdopodobieństwo tego, że a) Jacek i Agatka stoją koło siebie; b) Jacek, Placek i Agatka stoją koło

Bardziej szczegółowo

Wykład 8: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

Wykład 8: Zbieżność według rozkładu. Centralne twierdzenie graniczne. Rachuek prawopoobieństwa MA5 Wyział Elektroiki, rok aka 20/2, sem leti Wykłaowca: r hab A Jurlewicz Wykła 8: Zbieżość weług rozkłau Cetrale twierzeie graicze Zbieżości ciągu zmieych losowych weług rozkłau

Bardziej szczegółowo

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych 1. [E.A 5.10.1996/zad.4] Funkcja gęstości dana jest wzorem { 3 x + 2xy + 1 y dla (x y) (0 1) (0 1) 4 4 P (X > 1 2 Y > 1 2 ) wynosi:

Bardziej szczegółowo

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą EKONOMETRIA Tema wykładu: Liiowy model ekoomeryczy (regresji z jedą zmieą objaśiającą Prowadzący: dr iż. Zbigiew TARAPATA e-mail: Zbigiew.Tarapaa Tarapaa@isi.wa..wa.edu.pl hp:// zbigiew.arapaa.akcja.pl/p_ekoomeria/

Bardziej szczegółowo

ZBIÓR LICZB RZECZYWISTYCH - DZIAŁANIA ALGEBRAICZNE

ZBIÓR LICZB RZECZYWISTYCH - DZIAŁANIA ALGEBRAICZNE ZBIÓR LICZB RZECZYWISTYCH - DZIAŁANIA ALGEBRAICZNE WARTOŚĆ BEZWZGLĘDNA LICZBY Wartość bezwzględą liczby rzeczywistej x defiiujemy wzorem: { x dla x 0 x = x dla x < 0 Liczba x jest to odległość a osi liczbowej

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jaicka wykład XIII, 30.05.06 STATYSTYKA BAYESOWSKA Pla a dzisiaj. Statystyka Bayesowska rozkłady a priori i a posteriori estymacja Bayesowska: Bayesowski Estymator Największej

Bardziej szczegółowo

Statystyka Matematyczna. Skrypt. Spis treści. SKN Matematyki Stosowanej. s k n. m s 23 kwietnia Oznaczenia i definicje 3

Statystyka Matematyczna. Skrypt. Spis treści. SKN Matematyki Stosowanej. s k n. m s 23 kwietnia Oznaczenia i definicje 3 Spis treści Ozaczeia i defiicje 3 Wioskowaie statystycze 3. Statystyki dostatecze................................................. 3.. Rodzia rozkładów wykładiczych......................................

Bardziej szczegółowo

Klasa II technikum Egzamin poprawkowy z matematyki sierpień 2013

Klasa II technikum Egzamin poprawkowy z matematyki sierpień 2013 /7 I. FUNKCJA KWADRATOWA. Fukcja kwadratowa w postaci kaoiczej i ogólej. Napisz wzór fukcji kwadratowej wiedząc, że wierzchołkiem paraboli będącej jej wykresem jest początek układu współrzędych oraz, że

Bardziej szczegółowo

1. Oblicz prawdopodobieństwo zdarzenia, że noworodek wybrany z populacji, w której śmiertelnością rządzi prawo Gompertza

1. Oblicz prawdopodobieństwo zdarzenia, że noworodek wybrany z populacji, w której śmiertelnością rządzi prawo Gompertza 1. Oblicz prawdopodobieństwo zdarzenia, że noworodek wybrany z populacji, w której śmiertelnością rządzi prawo Gompertza x µ x = 06e. dożyje wieku największej śmiertelności (tzn. takiego wieku, w którym

Bardziej szczegółowo

Statystyka Matematyczna. Skrypt. Spis treści. SKN Matematyki Stosowanej. s k n. m s 11 czerwca Oznaczenia i definicje 4

Statystyka Matematyczna. Skrypt. Spis treści. SKN Matematyki Stosowanej. s k n. m s 11 czerwca Oznaczenia i definicje 4 Spis treści Ozaczeia i defiicje 4 Wioskowaie statystycze 4. Statystyki dostatecze................................................. 4.. Rodzia rozkładów wykładiczych......................................

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa I Siedmiu pasażerów przydzielono losowo do trzech wagonów. Jakie jest prawdopodobieństwo

Zadania z Rachunku Prawdopodobieństwa I Siedmiu pasażerów przydzielono losowo do trzech wagonów. Jakie jest prawdopodobieństwo Zadaia z Rachuku Prawdopodobieństwa I - 1 1. Grupę dzieci ustawioo w sposób losowy w szereg. Oblicz prawdopodobieństwo tego, że a) Jacek i Agatka stoją koło siebie, b) Jacek, Placek i Agatka stoją koło

Bardziej szczegółowo

LX Egzamin dla Aktuariuszy z 28 maja 2012 r.

LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Komisja Egzaminacyjna dla Aktuariuszy LX Egzamin dla Aktuariuszy z 28 maja 2012 r. Część II Matematyka ubezpieczeń życiowych Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut Warszawa, 28

Bardziej szczegółowo

MATURA 2014 z WSiP. Zasady oceniania zadań

MATURA 2014 z WSiP. Zasady oceniania zadań MATURA 0 z WSiP Matematyka Poziom rozszerzoy Zasady oceiaia zadań Copyright by Wydawictwa Szkole i Pedagogicze sp z oo, Warszawa 0 Matematyka Poziom rozszerzoy Kartoteka testu Numer zadaia Sprawdzaa umiejętość

Bardziej szczegółowo

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU

MINIMALIZACJA PUSTYCH PRZEBIEGÓW PRZEZ ŚRODKI TRANSPORTU Przedmiot: Iformatyka w logistyce Forma: Laboratorium Temat: Zadaie 2. Automatyzacja obsługi usług logistyczych z wykorzystaiem zaawasowaych fukcji oprogramowaia Excel. Miimalizacja pustych przebiegów

Bardziej szczegółowo

LXXIV Egzamin dla Aktuariuszy z 23 maja 2016 r.

LXXIV Egzamin dla Aktuariuszy z 23 maja 2016 r. Komisja Egzaminacyjna dla Aktuariuszy LXXIV Egzamin dla Aktuariuszy z 23 maja 2016 r. Część II Matematyka ubezpieczeń życiowych Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut Warszawa,

Bardziej szczegółowo

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o 1. Wioskowaie statystycze. W statystyce idetyfikujemy: Cecha-Zmiea losowa Rozkład cechy-rozkład populacji Poadto miaem statystyki określa się także fukcje zmieych losowych o tym samym rozkładzie. Rozkłady

Bardziej szczegółowo

8 Weryfikacja hipotez statystycznych

8 Weryfikacja hipotez statystycznych Marek Beśka, Statystyka matematycza, wykład 8 04 8 Weryfikacja hipotez statystyczych 8. Hipotezy statystycze Drugą obok estymacji formą wioskowaia statystyczego jest weryfikacja hipotez statystyczych.

Bardziej szczegółowo

PODSTAWY MATEMATYKI FINANSOWEJ

PODSTAWY MATEMATYKI FINANSOWEJ PODSTAWY MATEMATYKI INANSOWEJ WZORY I POJĘCIA PODSTAWOWE ODSETKI, A STOPA PROCENTOWA KREDYTU (5) ODSETKI OD KREDYTU KWOTA KREDYTU R R- rocza stopa oprocetowaia kredytu t - okres trwaia kredytu w diach

Bardziej szczegółowo

a n 7 a jest ciągiem arytmetycznym.

a n 7 a jest ciągiem arytmetycznym. ZADANIA MATURALNE - CIĄGI LICZBOWE - POZIOM PODSTAWOWY Opracowała mgr Dauta Brzezińska Zad.1. ( pkt) Ciąg a określoy jest wzorem 5.Wyzacz liczbę ujemych wyrazów tego ciągu. Zad.. ( 6 pkt) a Day jest ciąg

Bardziej szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy

Bardziej szczegółowo

ZADANIA PRZYGOTOWUJĄCE DO SPRAWDZIANÓW W KLASIE DRUGIEJ.

ZADANIA PRZYGOTOWUJĄCE DO SPRAWDZIANÓW W KLASIE DRUGIEJ. ZADANIA PRZYGOTOWUJĄCE DO SPRAWDZIANÓW W KLASIE DRUGIEJ I Fukcja kwadratowa ) PODAJ POSTAĆ KANONICZNĄ I ILOCZYNOWĄ (O ILE ISTNIEJE) FUNKCJI: a) f ( ) + b) f ( ) 6+ 9 c) f ( ) ) Narysuj wykresy fukcji f

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jaicka wykład XIV, 06.06.06 STATYSTYKA BAYESOWSKA CD. Pla a dzisiaj. Statystyka Bayesowska rozkłady a priori i a posteriori estymacja Bayesowska: Bayesowski Estymator Największej

Bardziej szczegółowo

Zadanie 3. Na jednym z poniższych rysunków przedstawiono fragment wykresu funkcji. Wskaż ten rysunek.

Zadanie 3. Na jednym z poniższych rysunków przedstawiono fragment wykresu funkcji. Wskaż ten rysunek. FUNKCJA KWADRATOWA. Zadaia zamkięte. Zadaie. Wierzchołek paraboli, która jest wykresem fukcji f ( x) ( x ) ma współrzęde: A. ( ; ) B. ( ; ) C. ( ; ) D. ( ; ) Zadaie. Zbiorem rozwiązań ierówości: (x )(x

Bardziej szczegółowo

XLIV Egzamin dla Aktuariuszy z 3 grudnia 2007 r.

XLIV Egzamin dla Aktuariuszy z 3 grudnia 2007 r. Komisja Egzaminacyjna dla Aktuariuszy XLIV Egzamin dla Aktuariuszy z 3 grudnia 2007 r. Część II Matematyka ubezpieczeń życiowych Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut Warszawa,

Bardziej szczegółowo

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic). Materiały dydaktycze Aaliza Matematycza Wykład Ciągi liczbowe i ich graice. Graice ieskończoe. Waruek Cauchyego. Działaia arytmetycze a ciągach. Podstawowe techiki obliczaia graic ciągów. Istieie graic

Bardziej szczegółowo

Zadania z analizy matematycznej - sem. I Szeregi liczbowe

Zadania z analizy matematycznej - sem. I Szeregi liczbowe Zadaia z aalizy matematyczej - sem. I Szeregi liczbowe Defiicja szereg ciąg sum częściowyc. Szeregiem azywamy parę uporządkowaą a ) S ) ) ciągów gdzie: ciąg a ) ciąg S ) jest day jest ciągiem sum częściowych

Bardziej szczegółowo

I kolokwium z Analizy Matematycznej

I kolokwium z Analizy Matematycznej I kolokwium z Aalizy Matematyczej 4 XI 0 Grupa A. Korzystając z zasady idukcji matematyczej udowodić ierówość dla wszystkich N. Rozwiązaie:... 4 < + Nierówość zachodzi dla, bo 4

Bardziej szczegółowo

Materiał powtarzany w II etapie. II 4. Ciągi

Materiał powtarzany w II etapie. II 4. Ciągi Materiał powtarzay w II etapie II. Ciągi 3 1, dla parzystych 1. Wyzacz sześć początkowych wyrazów ciągu a = { +1, dla ieparzystych. Które wyrazy ciągu a = są rówe 1? 3. Pomiędzy liczby 7 i 5 wstaw 5 liczb

Bardziej szczegółowo

STATYSTYKA OPISOWA PODSTAWOWE WZORY

STATYSTYKA OPISOWA PODSTAWOWE WZORY MIARY POŁOŻENIA Średia Dla daych idywidualych: STATYSTYKA OPISOWA PODSTAWOWE WZORY Q i = x lmi + i mi 1 4 j h m i mi x = 1 x i x = 1 i ẋ i gdzie ẋ i środek i-tego przedziału i liczość i- tego przedziału

Bardziej szczegółowo

XXXVI Egzamin dla Aktuariuszy z 10 października 2005 r.

XXXVI Egzamin dla Aktuariuszy z 10 października 2005 r. Komisja Egzaminacyjna dla Aktuariuszy XXXVI Egzamin dla Aktuariuszy z 10 października 2005 r. Część II Matematyka ubezpieczeń życiowych Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut

Bardziej szczegółowo

Egzaminy. na wyższe uczelnie 2003. zadania

Egzaminy. na wyższe uczelnie 2003. zadania zadaia Egzamiy wstępe a wyższe uczelie 003 I. Akademia Ekoomicza we Wrocławiu. Rozwiąż układ rówań Æ_ -9 y - 5 _ y = 5 _ -9 _. Dla jakiej wartości parametru a suma kwadratów rozwiązań rzeczywistych rówaia

Bardziej szczegółowo

Internetowe Kółko Matematyczne 2004/2005

Internetowe Kółko Matematyczne 2004/2005 Iteretowe Kółko Matematycze 2004/2005 http://www.mat.ui.toru.pl/~kolka/ Zadaia dla szkoły średiej Zestaw I (20 IX) Zadaie 1. Daa jest liczba całkowita dodatia. Co jest większe:! czy 2 2? Zadaie 2. Udowodij,

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzeie macierzowe Defiicja: Zakresem macierzy AŒ mâ azywamy podprzestrzeń R(A) przestrzei m geerowaą przez zakres fukcji ( ) : m f x = Ax ( A) { Ax x } = Defiicja: Zakresem macierzy A Œ âm azywamy

Bardziej szczegółowo

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metrologia: miary dokładości dr iż. Paweł Zalewski Akademia Morska w Szczeciie Miary dokładości: Najczęściej rozkład pomiarów w serii wokół wartości średiej X jest rozkładem Gaussa: Prawdopodobieństwem,

Bardziej szczegółowo

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś 1 STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr iż Krzysztof Bryś Pojȩcia wstȩpe populacja - ca ly zbiór badaych przedmiotów lub wartości. próba - skończoy podzbiór populacji podlegaj acy badaiu.

Bardziej szczegółowo

Przykładowe zadania dla poziomu rozszerzonego

Przykładowe zadania dla poziomu rozszerzonego Przkładowe zadaia dla poziomu rozszerzoego Zadaie. ( pkt W baku w pierwszm roku oszczędzaia stopa procetowa bła rówa p%, a w drugim roku bła o % iższa. Po dwóch latach, prz roczej kapitalizacji odsetek,

Bardziej szczegółowo

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15 Testowaie hipotez ZałoŜeia będące przedmiotem weryfikacji azywamy hipotezami statystyczymi. KaŜde przypuszczeie ma swoją alteratywę. Jeśli postawimy hipotezę, Ŝe średica pia jedoroczych drzew owej odmiay

Bardziej szczegółowo

LXIII Egzamin dla Aktuariuszy z 25 marca 2013 r.

LXIII Egzamin dla Aktuariuszy z 25 marca 2013 r. Komisja Egzaminacyjna dla Aktuariuszy LXIII Egzamin dla Aktuariuszy z 25 marca 2013 r. Część II Matematyka ubezpieczeń życiowych Imię i nazwisko osoby egzaminowanej:... Czas egzaminu: 100 minut Warszawa,

Bardziej szczegółowo

1) Jakie są różnice pomiędzy analiza danych a wnioskowaniem statystycznym?

1) Jakie są różnice pomiędzy analiza danych a wnioskowaniem statystycznym? Plaowaie Eksperymetów 1) Jakie są różice pomiędzy aaliza daych a wioskowaiem statystyczym? Celem aalizy daych jest prezetacja kokretego zbioru daych, w sposób ukazujący jego właściwości, w szczególości

Bardziej szczegółowo