RACHUNEK PRAWDOPODOBIESTWA wybrane zagadnienia

Wielkość: px
Rozpocząć pokaz od strony:

Download "RACHUNEK PRAWDOPODOBIESTWA wybrane zagadnienia"

Transkrypt

1 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 wyu tego dowadczea to zamy molwe waraty wyu - lczba ocze 6. Oprócz tach elemetarych wyów mog as teresowa wy bardzej złooe a tóre słada s by moe wele elemetarych wyów p. wypadła parzysta lczba ocze, lczba ocze wsza 4. Szasa uzysaa poszczególych elemetarych wyów wyos /6, szase ych zdarze moa oblczy. Ja wda w tym podobych przyładach jel badamy dowadczee losowe to jego model matematyczy powe zawera trzy elemety: zbór molwych wyów dowadczea, zbór zdarze, oce szasy zajca zdarze w sal [, ]. Te trzy elemety łcze azywamy przestrze probablstycz. ( Ω, S, P ) przestrze probablstycza (matematyczy model zjawsa losowego), Ω zbór wszystch zdarze elemetarych, S zbór zdarze, (podzbory zboru Ω), P prawdopodobestwo (fucja przyporzdowujca zdarzeom szas ch zajca). P : S R Uwaga. Mówmy, e zaszło zdarzee A jel wyem dowadczea jest dowole zdarzee elemetare ω A (zdarzee sprzyjajce dla A). Zatem zdarzea detyfujemy z podzborem tych zdarze elemetarych, tóre mu sprzyjaj. Poewa zdarzea s zboram to bdzemy stosowa dzałaa a zborach do zapsu dzała a zdarzeach. suma zdarze A, B A B loczy zdarze A, B A B zdarzee przecwe do zdarzea A A Ω A róca zdarze A, B A B Mówmy, e: zdarzee A pocga zdarzee B gdy A B zdarzea A, B wyluczaj s (s rozłcze) gdy A B. Asjomaty prawdopodobestwa: (PI) A) A S (PII) Ω ) (PIII) P ( A A...) A ) + A ) +... A S; param wyluczajce s.

2 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa Własoc prawdopodobestwa a) ) b) A ) A) gdze A Ω A jest zdarzeem przecwym c) Jel zdarzea A,...A wyluczaj s, to A... A ) A ) A ) d) P A A ) A ) + A ) A A ) A, A ; ( S e) P A ) A ) dla A A A, A ; ( S f) Jel A A to A A ) A ) ),, A Jel zdarze elemetarych jest soczee wele s oe jedaowo prawdopodobe to moemy sorzysta z tzw. lasyczej defcj prawdopodobestwa. A lczba zdarze elemetar ych sprzyjajc ych A) Ω lczba wszystch zdarze elemetar ych Ta oreloa fucja P speła asjomaty prawdopodobestwa. A S Uwaga. Lczba molwych sposobów ustawea róych elemetów w cg czyl permutacj zboru elemetowego wyos P! Lczba molwych cgów długoc o mogcych powtarza s elemetach ze zboru elemetowego czyl wyrazowych waracj z powtórzeam zboru elemetowego wyos W. Lczba molwych cgów długoc o róych elemetach ze zboru elemetowego czyl! wyrazowych waracj bez powtórze zboru elemetowego ( ) wyos V. ( )! Jel, to V V P. Lczba molwych elemetowych podzborów zboru elemetowego czyl wyrazowych! ombacj zboru elemetowego ( ) wyos C. Zauwamy, e!( )! V C bo w ombacjach olejo elemetów e jest stota.! Dysreta przestrze probablstycza. Ω Nech Ω { ω, ω,... }, S Jel orelmy prawdopodobestwo dla zdarze jedoelemetowych P ω p gdze p, wtedy dla A { ω ω,...} A) P P, ({ }) mamy ({ ω, ω,...}) { ω } { ω }...) ({ ω }) + { ω }) +... p + p +... p

3 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa Ta oreloa fucja P speła asjomaty prawdopodobestwa. Spełee asjomatu PIII wya z fatu, e suma zbeego szeregu lczb eujemych e ulega zmae przy dowolym grupowau przestawau wyrazów tego szeregu. Jel Ω N p to otrzymujemy lasycz defcj prawdopodobestwa. N Prawdopodobestwo geometrycze Jel zdarzea elemetare s podzborem o merze soczoej przestrze R (jel to mar jest długo, dla pole, dla 3 objto) s oe jedaowo prawdopodobe to stosujemy tzw. prawdopodobestwo geometrycze. mara A A) A S mara Ω Ta oreloa fucja P speła asjomaty prawdopodobestwa. Uwaga Jel mamy molwo welorotego powtarzaa (ezalee) dowadczea losowego w tych samych waruach to moemy wyzaczy przyblo warto prawdopodobestwa wybraego zdarzea A A) czsto zdarzea A gdze lczba wyoaych dowadcze; lczba tych dowadcze w tórych zaszło zdarzee A. Sposób te stosuje s w statystyce. PRAWDOPODOBIESTWO WARUNKOWE. NIEZALENO Prawdopodobestwo waruowe. Oceajc szas zajca jaego zdarzea moemy wyorzystywa dodatowe formacje o ych zdarzeach, tóre zaszły (lub speulowa o osewecjach ch zajca). Iformacje te mog wpływa a prawdopodobestwo zajca rozpatrywaego zdarzea lub e. Aby oce stope wpływu zajca jedego zdarzea a szas zajca ego zdarzea wprowadzamy astpujce orelee. Jel B) >, B S to orelamy prawdopodobestwo waruowe dowolego zdarzea A pod waruem, e zaszło zdarzee B: A B) A B) B) 3 A S Pszc P ( A B) bdzemy domyle załada, e P ( B) >. Właso. Ω,S, P jest przestrze probablstycz B) >, B S to Jel ( ) * (, S, P ) * Ω gdze P ( A) A B), A S jest rówe przestrze probablstycz. Oazuje s, e zajce zdarzea A zwsza szase zajca zdarzea B wtedy tylo wtedy, gdy zajce zdarzea B zwsza szase zajca zdarzea A.

4 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa P ( A B) > A) B A) > B) (uzasadee: obe stroy rówowaoc s a mocy defcj prawdopodobestwa waruowego rówowae erówoc P ( A B) > A) B) wc s rówowae mdzy sob). Prawdopodobestwo waruowe moa wyorzysta do wyzaczaa prawdopodobestwa loczyu zdarze. Przyład. Jel przeazyway sygał ma dotrze z putu emsj do putu B przez pored put A a adym etape moe by zeształcoy z odpowedm prawdopodobestwem. Nezeształcoy sygał dotrze do putu B pod waruem, e dotrze ezeształcoy do putu A. Zatem lczc prawdopodobestwo dotarca ezeształcoego sygału do putu B moymy prawdopodobestwo jego dotarca do putu A przez prawdopodobestwo jego dotarca do B pod waruem, e do A sygał dotarł. Zatem tucyje orzystamy z wzoru P ( A B) A) B A) wyajcego z orelea P ( B A). Podobe P ( A B) B) A B). Powyszy wzór moa uogól astpujco: Nech zdarzea A, A,..., A, spełaj warue P A A... A wtedy P A A... A A ) A A )... P A A A ( ) > ( ) (... ) A- Powyszy wzór staow uzasadee metody drzewe czsto stosowaej p. przy losowaach weloetapowych, gałzom odpowadaj prawdopodobestwa waruowe, przemeszczae s wzdłu gałz ozacza moee tych prawdopodobestw. Nastpujce twerdzee pozwala wyraz prawdopodobestwo dowolego zdarzea jao sumy "władów" zupełego uładu zdarze do rozpatrywaego zdarzea. Twerdzee (o prawdopodobestwe całowtym) Nech zdarzea A, A,..., A, spełaj waru: A, A,..., A, s param wyluczajce s, A A... A (o tam uładze zdarze mówmy, e jest zupeł A ) >,,,...,. wtedy dla dowolego zdarzea B B) A ) B A ) + A ) B A ) A ) B A ) A ) B A ) Dowód. Z załoea o uładze zupełym defcj prawdopodobestwa waruowego mamy B) P ( B A ) B A ) A ) B A ) Powysze twerdzee jest rówe prawdzwe dla przelczalego zupełego uładu zdarze. A A A 3 A 4 A 5 A 6 B 4

5 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa Twerdzee (Bayesa) Nech zdarzea A, A,..., A, spełaj waru poprzedego twerdzea. Wtedy dla dowolego zdarzea B taego, e B) > mamy: A A ) B A ) A ) B A ) A ) B A ) B) B) A ) B A ) + A ) B A ) A ) B A ) A ) B A ) Zdarzea A B s ezalee gdy A B) A) B) A, B S Pojce to powoduje, e teora prawdopodobestwa ma swoj specyf w porówau z teor mary ym dzałam matematy. Zauwamy, e jel zdarzee A jest ezalee od zdarzea B to P ( A B) A) Ogóle. Zdarzea A,..., A ( ) s ezalee, jel P A... A ) A )... A )..., ( Np. trzy zdarzea A, B C s ezalee wtedy tylo wtedy, gdy P ( A B C ) P ( A) B ) P ( C ), P ( A B) A) B), P ( A C ) P ( A) P ( C ) P ( B C ) P ( B ) P ( C ). Uwaga. Jel A, B ezalee to A, B' s rówe ezalee. ZMIENNA LOSOWA JEDNOWYMIAROWA Aby moa było wyorzysta aparat aalzy matematyczej do badaa prawdopodobestwa, wygode jest przee wy dowadczea losowego ze zboru zdarze elemetarych Ω, specyfczego dla tego dowadczea do uwersalego zboru R bardzej "przyjazego" dla operacj róczowych całowych. Zme losow azywamy fucj (pratycze ad) przyporzdowujc zdarzeom elemetarym lczby rzeczywste. : R Orelajc zme losow otrzymujemy molwo lczbowego opsu wyów dowadczea losowego, moemy te "odfltrowa" zbde formacje, tóre as e teresuj. Najczcej bowem wae s tylo pewe charaterysty lczbowe zalee od wyu dowadczea. Przyład zmeych losowych Dla przestrze probablstyczej dwa rzuty ost. suma ocze, (wartoc:, 3,..., ). wy rzutu o wszej lczbe ocze (wartoc:,,..., 6). 5

6 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa Stosujemy uproszczea p. - zaps < x) ozacza {ω Ω: (ω) < x}), - zaps x < < x ) ozacza {ω Ω: x < (ω) < x }), Zdarzeom s przyporzdowae podzbory zboru R, musmy tym podzborom przyporzdowa odpowadajce m prawdopodobestwa. Przyporzdowae to azywamy rozładem prawdopodobestwa zmeej losowej ozaczamy P. ( ( B) ) B Β( R), P ( B) P dla B(R) - zbory borelowse Ta oreloe P speła asjomaty prawdopodobestwa. Ω B(A) R A - (B) P P Dla zmeej losowej moa zdefowa dystrybuat - fucj rzeczywst, tóra wyzacza rozład zmeej losowej jedozacze. Dystrybuat zmeej losowej azywamy fucj F: R R orelo wzorem: Własoc dystrybuaty: a) F jest fucj emalejc, b) F jest fucj lewostroe cgł, c) F( ) ; F( ), A)P (B) F( x) < x) P ((, x)) d) dystrybuata zmeej losowej wyzacza jedozacze jej rozład, e) a < b) F( b) F( a); a < b f) a) F( a + ) F( a); gdze F( a + ) ozacza grac prawostro, (jel a jest putem cgłoc dystrybuaty to a ) ). Uwaga Jel fucja rzeczywsta speła własoc a), b), c) to jest dystrybuat pewej zmeej losowej, jej rozład jest wyzaczoy jedozacze. Zmea losowa jest soowa (dysreta) jel zbór wszystch jej wartoc jest soczoy lub przelczaly. Rozład zmeej losowej soowej czsto orelamy za pomoc fucj prawdopodobestwa: x ) p (właso: p ; p > ) Lczby p azywamy soam, a wartoc x putam soowym. 6

7 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa Zajc fucj prawdopodobestwa zmeej losowej soowej moa wyzaczy jej dystrybuat F ( x ) oraz jej rozład prawdopodobestwa P ( B) p x < x x B Przyład Zmea ta przyjmuje wartoc,, 3 z prawdopodobestwam odpowedo ), ; ), 6 ; 3),. Wartoc fucj prawdopodobestwa moa zestaw w tabel: Jej dystrybuata ma posta,8, x 3 p,,6,, F( x),8 dla dla dla dla p x < x < x 3 x > 3 3 Zauwamy, e puty soowe s putam ecgłoc dystrybuaty a so wyzaczaj przyrosty dystrybuaty (jej so) w tych putach. Dla zmeej losowej soowej dystrybuata jest zawsze awałam stała. Zmea losowa o dystrybuace F jest cgła jel jej dystrybuata da s przedstaw w postac gdze f jest fucj spełajc waru: x F( x) f ( t) dt x R f ( x) ; x R; f ( t) dt azywamy j gstoc prawdopodobestwa zmeej losowej. Własoc zmeej losowej cgłej: a a) < a) f ( x) dx F( a), b) a b) a < b) a < b) a < < b) f ( x) dx F( b) F( a) 7 b a

8 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa c) > b) f ( x) dx F( b), b d) a), dla dowolego a R ; (bra putów soowych), e) F jest fucj cgł prawe wszdze róczowal F ( x) f ( x) (rówo zachodz dla putów cgłoc gstoc). Wyzaczajc gsto przez róczowae dystrybuaty, w putach w tórych F e jest róczowala moa przyj, e gsto jest rówa zero. Przyład. Wyzaczymy wartoc c dla tórej fucja (,] (,] cx dla x f ( x) dla x jest gstoc pewej zmeej losowej cgłej? Aby gsto była eujema f ( x) dx, mus by c > pole odpowedego trójta prostotego rówe. Std c. Dystrybuata tej zmeej losowej ma posta x F( x) dt dla ( ; ] dla x (,] dla (, ] Ostatecze x F( x) dt + tdt x x x F ( x) dt + tdt + dt F( x) x dla dla dla x x x x Oblczymy prawdopodobestwo P (,5,75). ( ; ] (,] (, ] Sposób I. Za pomoc gstoc P (,5,75) xdx x, 5 Sposób II. Za pomoc dystrybuaty P (,5,75) F(,75) F(,5), 5,75,5,75,5 Uwag o rozładze fucj zmeej losowej. Jel - soowa, o fucj prawdopodobestwa x ) p, g - dowola to fucja prawdopodobestwa zmeej losowej Y g() ma posta: g(x ) g(x )... g(x ) p p... p Po uporzdowau rosco wartoc g(x ) zsumowau odpowedch prawdopodobestw. Doładej Y g( ) P ( ) x x ) p { : g ( x ) y} { : g ( x ) y} { : g( x ) y} 8

9 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa Przyład. - zmea losowa soowa o fucj prawdopodobestwa: ,4,,,,, wyzaczymy fucj prawdopodobestwa zmeej losowej Y sg. sg(-4) sg(-) sg(-) -. sg(). sg() sg(). Zatem fucja prawdopodobestwa zmeej losowej Y jest astpujca -,6,,3 - daa zmea losowa cgła o gstoc f. Y g(), Wyzaczy gsto g( zmeej losowej Y. ) Jel g - cle mootocza róczowala w przedzale (a, b) ocetracj to: ' g ( f h( h ( y ( ) ) gdze h g -. Naley pamta o przeształceu przedzału ocetracj. Przyład. Y a + b, wtedy y b g( f, a a Przyład. Jel ma rozład o gstoc dla x f ( x) x e dla x > wtedy h ( ( y + ), ( ( y + ) h, g() -, g( ), Y, g ( y + ) e ( ( y + ) dla x, dla x > ) Jel g - przedzałam cle mootocza róczowala w przedzale (a, b) ocetracj to: g( f ( h ( ) ' h ( gdze h - fucje odwrote do g dla poszczególych przedzałów, - lczba wartoc fucj odwrotej odpowadajcych daemu y. W etórych zagadeach wyzaczaa rozładu fucj zmeej losowej ajperw wyzaczamy dystrybuat rozładu zmeej losowej Y g(), wg schematu F Y ( Y < g( ) < g ((, ) < astpe jel to molwe, wyzaczamy fucj prawdopodobestwa (gdy jest to rozład soow lub gsto (gdy jest to rozład cgł. 9

10 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa PARAMETRY ZMIENNEJ LOSOWEJ JEDNOWYMIAROWEJ Własoc rozładu zmeej losowej czsto charateryzujemy jej parametram. Jedym z podstawowych parametrów jest warto oczewaa. Warto oczewaa. Ozaczee E lub m. Dla zmeej losowej soowej E x p (jel ewetualy szereg jest zbey bezwzglde, tae szereg s "odpore" p. a zma olejoc wyrazów). Dla zmeej losowej cgłej E xf ( x) dx (jel ewetuala cała ewłacwa jest zbea bezwzglde). Przyjmujc, e warto oczewaa steje mamy te a uwadze, e ma soczo warto. Przyład Dla zmeej losowej o fucj prawdopodobestwa x - 3 p,,6, E, +,6 + 3,,6. Iterpretacja. Warto oczewaa wyzacza rode coc masy jedostowej rozłooej w putach soowych.,,6, -,6 3 Moa te powedze, e jest to reda warto przyjmowaa przez zme losow (z uwzgldeem wag jam s prawdopodobestwa). Przyład Dla zmeej losowej o gstoc Własoc wartoc oczewaej a) Ec c; c stała, b) E(a) ae(), c) E( + Y) E + EY, d), Y ezalee, to E(Y) E EY. x x <, > f ( x) x <, > 3 x E x xdx x dx 3 3

11 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa Mar rozrzutu wartoc zmeej losowej jest waracja. Waracja. Ozaczee D lub lub V. D E( E) Dla zmeej losowej soowej D ( x E ) p Dla zmeej losowej cgłej D ( x E ) f ( x ) dx Własoc waracj a) D c ; c stała, b) D (a) a D (), c) D ( + b) D, b stała, d), Y ezalee, to D ( ± Y) D + D Y e) D E( ) (E). Uzasadee e) D E( E) E( E + (E) ) E EE + (E) E( ) (E). Jel rozrzut wartoc zmeej losowej chcemy (p. z powodu terpretacj w zastosowaach) merzy w tych samych jedostach co to stosujemy odchylee stadardowe. Odchylee stadardowe. Ozaczee D lub. D D Właso Jel ma warto oczewa m odchylee stadardowe > m to zmea losowa Y ma EY D. Zme losow Y azywamy zme losow stadaryzowa. Przyład x x <, > Dla zmeej losowej o gstoc f ( x) x <, > mamy D x xdx 3 x x + xdx 3 9 II sposób (a podstawe własoc e)) 3 D x xdx 3 x dx 4 9 E zatem 3 Przyład Jel ezalee zmee losowe (,,..., ) maj ta sam warto oczewa m tae samo odchylee stadardowe > to zmea losowa bdca ch red ma E m ; D

12 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa Nerówo Czebyszewa. Jel zmea losowa ma warto oczewa m odchylee stadardowe > to dla dowolego ε > mamy P ( m ε ) ε Z erówoc tej wya, e waracja (odchylee stadardowe) jest mar odchylea wartoc zmeej losowej od wartoc oczewaej. Momet rzdu ( - lczba aturala) ( ) m E Zauwamy, e w szczególoc m E m, oraz właso e) dystrybuaty moa zapsa D m m. Właso. Jel steje m to steje m s dla adego s <. Momet cetraly rzdu ( - lczba aturala) µ E E Zauwamy, e w szczególoc µ, µ D. ( ) ) Za pomoc mometów wyszych rzdów orelamy współczy asymetr (sooc) µ 3 a 3 współczy supea (urtoz) Weloc te s czsto stosowae w statystyce. µ 4 4 Kwatylem rzdu p ( < p < ) zmeej losowej o dystrybuace F azywamy lczb x p, ta, e + F x p F x ( ) ( ) Zauwamy, e dla zmeej losowej cgłej x p wyzaczymy z rówoc F x p p ( ) p Kwatyl rzdu,5 azywamy meda. Kwatyle rzdu,5 ;,5;,75 azywamy wartylam (drug wartyl jest meda). Weloc te s czsto stosowae w statystyce. Kwatyle stej dla adej zmeej losowej, lecz e zawsze s wyzaczoe jedozacze. p PODSTAWOWE ROZKŁADY PRAWDOPODOBIESTWA Rozłady soowe Rozład dwuputowy (zerojedyow Nech p (, ) bdze ustalo lczb. Orelamy: ) q, ) p ; gdze q p. Rozład te jest wyorzystyway w statystyczej otrol jaoc. Moa p. przyj, e gdy wyrób dobry, gdy wyrób jest wadlwy, wtedy p ) tratujemy jao wadlwo wyrobu.

13 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa Rozład dwumaowy Dla daych p (, ), N orelamy fucj prawdopodobestwa ) p q gdze q p,,,...,. Zauwamy, e gdy to rozład dwumaowy jest rozładem zerojedyowym. Jel przyjmemy, e ozacza lczb ezaleych dowadcze z tórych ade oczy s jedym z dwóch wyów: sucesem" (z prawdopodobestwem p w adym dowadczeu) lub pora zmea losowa ozacza lczb sucesów to powyszy wzór wyzacza prawdopodobestwo uzysaa dołade sucesów w dowadczeach (próbach). Rozład Possoa Dla λ > orelamy fucj prawdopodobestwa λ ) e λ,,,...! (wartoc tych prawdopodobestw zawera tablca rozładu Possoa) Rozład Possoa (molwo odczytu w tablc moe dla duych (pratycze 3) małych p (pratycze p,) przybla rozład dwumaowy (przyblee Possoa) p q λ e! λ gdze λ p Rozłady cgłe Rozład jedostajy Rozład tórego gsto jest stała w pewym przedzale azywamy jedostajym. Gsto rozładu jedostajego w (a, b) f x b a x ( ( ) a ; b ) x ( a; b) Poewa gsto ta ma o symetr w puce x (a + b)/ to E (a+b)/ Poaemy, e Przyład Najperw oblczymy E E Zatem 3 x dx b a b a 3 D (b a) / b b b a x ( E ) 3 3 b a a b a ab + 3 a a ( b a) D E + ab + b a + b 3 Rozład wyładczy Rozład te wystpuje czsto w zagadeach rozładu czasu mdzy zgłoszeam (awaram) lub czasu oczewaa a obsług w systemach olejowych. Gsto rozładu wyładczego o parametrze a > ma posta ax ae x > f ( x) x 3

14 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa dystrybuat tego rozładu jest fucja e F( x) ax x > x Rozład ormaly Dla m R, (, + ) orelamy gsto rozładu ( x m) f ( x) e π x R W tablcy II dla x [; 5) podao wartoc dystrybuaty Φ rozładu N(, ) Wartoc dystrybuaty dla argumetów ujemych wyzaczamy a podstawe zaleoc Φ( x) Φ(x) Uwaga Jel ma rozład N(m, ) to zmea losowa Y ( m)/ ma rozład N(, ) (tae przeształcee azywamy stadaryzacj). Przyład Dochód mesczy (zł) w pewej populacj osób ma rozład ormaly N(6; 3). Ja procet osób w tej populacj ma dochód mesczy poej zł? wysoo mesczego dochodu 6 6 P ( < ) P < P Y 3 3 ( < ) Φ( ) Φ(),977,8,8% Prawo trzech sgm Jel ma rozład N(m, ) to P ( m < < m + ),683, P ( m < < m + ),955, P ( m 3 < < m + 3 ),997 Ostata rówo wadczy o tym, e choca rozład ormaly ma gsto ró od zera a całej prostej to pratycze emal wszyste realzacje supaj s w przedzale ( m 3, m + 3 ) właso t azywamy prawem trzech sgm. 4

15 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa m m 3 m + 3 Iterpretacja grafcza parametrów rozładu N(m, ) Trzy rozłady cgłe, tóre maj due zaczee w statystyce matematyczej: Rozład ch wadrat, Rozład Studeta, Rozład F Sedecora Przedstawoe s w zestaweu rozładów cgłych. Rozłady te s stablcowae. 5

16 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa Odczyt z tablcy (tablca III) dla rozładu ch wadrat. (podobe terpretujemy grafcze odczyt (tablca V) z tablcy F Sedecora.) Y ) α Uwaga. ) Dla, wyres gstoc rozładu ch wadrat jest y (tylo cz malejca wyresu) ) dla > 3 stosujemy przyblee rozładem ormalym. Odczyt z tablcy (tablca IV) dla rozładu Studeta. T ) α Rozłady tablce zawera oddzele zestawee. FUNKCJA CHARAKTERYSTYCZNA Fucj ϕ : R C (zespolo zmeej rzeczywstej) orelo wzorem ϕ ( t) ϕ ( t) E t tx ( e ) e df( x), t R azywamy fucj charaterystycz zmeej losowej. Zatem dla zmeej losowej soowej o fucj prawdopodobestwa ϕ ( t) p e tx, t R P ( x ) p 6

17 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa atomast dla zmeej losowej cgłej o gstoc f(x) ϕ ( t) f ( x) e tx dx, t R Powyszy szereg cała s bezwzglde zbee do (bo wartoc modułu zmeej losowej e t, t R s rówe odpowedo p, f ( x) dx ), zatem fucja charaterystycza zawsze steje. Własoc fucj charaterystyczej. a) ϕ ( ), ϕ ( t), t R, b) ϕ jest fucj jedostaje cgł, tb c) ϕ ( t) e ϕ ( ta) a + b, d) jel steje E <,, to ϕ jest fucj lasy C oraz ϕ ( ) ( ) () ϕ () E, ( ) e) jel steje jest soczoa pochoda ϕ () to E <, f) ϕ ( t) ϕ ( t) ϕ ( t) g) jel, Y - ezalee zmee losowe to ϕ + Y ( t) ϕ ( t) ϕy ( t), h) fucja charaterystycza orela rozład zmeej losowej jedozacze. E, czyl W szczególych przypadach moa (orzystajc z retrasformat a podstawe fucj charaterystyczej wyzaczy rozład zmeej losowej. Właso. Jel fucja charaterystycza ϕ zmeej losowej jest bezwzglde całowala, to jest zme losow cgł gsto jej wyraa s wzorem tx f ( x) ϕ( t) e dt π Właso. Jel fucja charaterystycza ϕ zmeej losowej jest oresowa o orese π, to jest zme losow soow o wartocach całowtych jej fucja prawdopodobestwa wyraa s wzorem π t ) ϕ( t) e dt - lczba całowta π π ZMIENNA LOSOWA DWYWYMIAROWA (WIELOWYMIAROWA) S P to cg (,,..., ) azywamy zme losow -wymarow (wetorem losowym). Zauwamy, e w tym przypadu ademu zdarzeu elemetaremu przyporzdowujemy cg lczb rzeczywstych. Jel,,..., s zmeym losowym w ustaloej przestrze probablstyczej ( Ω,, ) : Ω R W szczególoc gdy mamy dwuwymarow zme losow (, Y). Zmee losowe welowymarowe słu do modelowaa tach dowadcze losowych tórych wy opsuje s uładem welu lczb rzeczywstych p. losowo wybraego człowea moemy m.. scharateryzowa trzema lczbam: wzrostem, wag weem. 7

18 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa Zmea losowa -wymarowa., Y ) : Β( R ) [, ] - rozład prawdopodobestwa zmeej losowej (,Y)., Y )( A), Y ) ( A) ), A Β( R ) Rozłady prawdopodobestwa zmeych losowych, Y azywamy rozładam brzegowym. Rozład prawdopodobestwa zmeej losowej (, Y) azywamy rozładem łczym. Dystrybuata ( < x Y F ( x, P, < Własoc dystrybuaty zmeej losowej (,Y). a) F jest emalejca wzgldem adego argumetu, b) x lm F( x, y ; y ( lm F( x, ) x ; lm F( x,, x y c) F jest lewostroe cgła wzgldem adego argumetu, d) x x ; y y x < x ; y ; F ( x, y ) F( x, y ) F( x, y ) + F( x, y ) Y < y ) Jel F(x, jest dystrybuat zmeej losowej (,Y) to fucje F ( x) lm F( x, F( x, ); F ( lm F( x, F(, y Y x s dystrybuatam odpowedch rozładów brzegowych. Zmee losowe,y s ezalee gdy dla dowolych zborów borelowsch A, B a prostej mamy A, Y B) A) Y B) Zmee losowe,y s ezalee wtedy tylo wtedy, gdy dla dowolych x, y rzeczywstych F(x, F (x)f Y ( Dwuwymarowa zmea losowa (, Y) ma rozład soowy jel zmee losowe Y maj soczoy lub przelczaly zbór wartoc. Rozład zmeej losowej (, Y) (łczy rozład zmeych Y) orela s za pomoc fucj prawdopodobestwa lub dystrybuaty. Fucj prawdopodobestwa soowej zmeej losowej (, Y) przyjmujcej wartoc (x, y j ) jest przy czym p j oraz p j j p j x, Y y j ), j,,... Dystrybuat F(x, soowej zmeej losowej (, Y) jest fucja rzeczywsta F ( x, 8 x < x y j< y Fucj prawdopodobestwa soowej zmeej losowej (, Y) przyjmujcej wartoc (x, y j ) moa zapsa w postac tablcy: p j

19 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa Y y y... y l p. x p p... p l p. x p p... p l p x p p... p l p. p. j p. p.... p. l gdze x, x,..., x wartoc zmeej losowej, y, y,..., y l wartoc zmeej losowej Y, p. j sumy prawdopodobestw w olumach, p. j p. sumy prawdopodobestw w werszach, p. j Uwaga. p., j j Rozładem brzegowym zmeej losowej azywamy rozład oreloy fucj prawdopodobestwa: p j p. j x x x... x p. p. p.... p. Rozładem brzegowym zmeej losowej Y azywamy rozład oreloy fucj prawdopodobestwa: y j y y... y l p. j p. p.... p. l Jel zmea losowa (, Y) jest soowa to zmee losowe Y s ezalee gdy dla adej pary (x, y j ) (, j,,...) spełoy jest warue: Warue te moa rówe zapsa w postac x, Y y j ) x )Y y j ) p j p. p.j Przyład. Rzucamy dwa razy ost. - lczba parzystych ocze w perwszym rzuce, tz. lub. Y - lczba jedye w obu rzutach, tz. Y lub Y, lub Y. Fucja rozładu prawdopodobestwa tej zmeej losowej daa jest tabel: Y p. /36 7/36 /36 8/36 5/36 3/36 8/36 p. j 5/36 /36 /36 Rozłady brzegowe wyzaczoe s przez brzegowe wartoc tej tabel. Rozład brzegowy zmeej losowej : x p. 8/36 8/36. 9

20 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa Rozład brzegowy zmeej losowej Y : y j p. j 5/36 /36 /36 (, Y) azywamy zme losow cgł jel jej dystrybuata da s przedstaw w postac x F ( x, f ( s, t) dsdt y dla pewej eujemej fucj f zwaej gstoc. Uwaga.. f ( x, dxdy. W putach cgłoc fucj f zachodz: F( x, f ( x, x y 3. Dla A Β( R ) mamy P ( Y )( A) f ( x, dxdy,. A Majc gsto rozładu łczego gstoc rozładów brzegowych wyzaczamy astpujco. Jel f(x, jest gstoc zmeej losowej (,Y) to fucje f ( x) f ( x, dy; fy ( f ( x, dx s gstocam odpowedch rozładów brzegowych. Jel łczy rozład (, Y) jest cgły, to zmee losowe,y s ezalee wtedy tylo wtedy, gdy dla dowolych x, y rzeczywstych f(x, f (x)f Y ( Przyład. Fucja f(x, jest gstoc zmeej losowej (,Y). c dla x, y f ( x, dla ych x, y Przez całowae lub z terpretacj geometryczej wya, e c,5 (bo pole rozpatrywaego wadratu wyos 4). Przez całowae lub z terpretacj geometryczej wya, e dystrybuata tego rozładu ma posta x y,5xy < x, < y F ( x,,5x < x, y >,5 y < y, x > x >, y > Rozłady brzegowe to rozłady jedostaje a przedzale [, ]. Zauwamy, e zmee losowe,y s ezalee. Przyład Fucja rozładu prawdopodobestwa zmeej losowej dwuwymarowej (, Y) daa jest tabel:

21 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa Y p. /6 /6 /3 /3 /3 /6 /6 /3 p. j /3 /3 rozład waruowy zmeej losowej pod waruem, e Y jest oreloy przez fucj prawdopodobestwa - Y ) (/6)/(/3) /, Y ) /(/3), Y ) (/6)/(/3) /, Jel gsto f to rozład zmeej losowej cgłej ( - ) wymarowej oreloej wzorem:,..., > f ( x,..., x x,..., x ) + f ( x,..., x ) f ( x,..., x ), azywamy rozładem waruowym zmeej losowej (..., ) ( x..., ), x. Przyład. Fucja f(x, jest gstoc zmeej losowej (,Y).,5 dla x, y f ( x, dla ych x, y + pod waruem, e gsto rozładu waruowego Y ma dla < x < posta,5/,5,5; zatem x (,) f ( x Y ),5 x, ( ) Nezaleo zmeych losowych - wymarowych. Zmee losowe,,..., s ezalee jel F( x,..., x ) F ( x ) F ( x )... F ( x ) dla dowolych x, x,..., x R. gdze F - dystrybuaty rozładów brzegowych jedowymarowych. Dla zmeych losowych soowych odpowed warue ma posta: P x,..., x ) P ( x )... P ( x dla dowolych x j,..., x ( j j j j j R Dla zmeych losowych cgłych odpowed warue ma posta: f x,..., x ) f ( x ) f ( x )... f ( x ) dla dowolych x, x,..., x R. ( Jel zmee losowe,,..., s ezalee to fucje od ch te s ezalee. Wybrae parametry zmeej losowej dwuwymarowej Kowaracj zmeych losowych (, Y) azywamy welo Dla zmeej losowej soowej (, Y) mamy: Cov(, Y) E[( E)(Y EY)] E(Y) E()E(Y) )

22 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa Dla zmeej losowej cgłej (, Y) mamy: E(Y) x y j p j j Cov(, Y) x y j p l l j j E EY E(Y) xyf ( x, dxdy Cov(, Y) xyf ( x, dxdy E EY Uwaga a) Dla zmeych losowych ezaleych Cov(, Y), zatem zmee losowe ezalee s esorelowae (odwrota właso e zachodz patrz przyład), b) Cov(, ) D, c) D ( + Y) D + D Y +Cov(, Y),, Y dowole zmee losowe Uormowa owaracj azywamy współczyem orelacj mdzy zmeym Y: Cov(, Y ) ρ ρ(, Y) ( D ) ( DY) Współczy orelacj merzy sł zaleoc lowej mdzy zmeym Y. Własoc współczya orelacj: a) ρ (, Y ) b) dla ezaleych zmeych losowych współczy orelacj jest rówy zero, c) jeel współczy orelacj jest dodat, to mdzy zmeym Y steje zaleo lowa dodata, co ozacza, e ze wzrostem wartoc jedej zmeej ros rede wartoc drugej zmeej, d) jeel współczy orelacj jest ujemy, to mdzy zmeym Y steje zaleo lowa ujema, co ozacza, e ze wzrostem wartoc jedej zmeej malej rede wartoc drugej zmeej, e) jeel współczy orelacj jest rówy lub, to mdzy zmeym Y steje fucyja zaleo lowa, Jeel współczy orelacj jest rówy to mówmy, e zmee losowe Y s esorelowae. Macerz D K Cov( Y, ) azywamy macerz owaracj Cov(, Y ) D Y Przyład Fucja rozładu prawdopodobestwa zmeej losowej dwuwymarowej (, Y) daa jest tabel: Y p. /6 /6 /3 /3 /3 /6 /6 /3 p. j /3 /3

23 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa Oblczymy współczy orelacj mdzy tym zmeym. Rozład brzegowy zmeej losowej : x p. /3 /3 /3 Rozład brzegowy zmeej losowej Y: y j p.j /3 /3 E EY /3 Poewa E(Y) ( ) ( ) /6 + ) /6 + ( ) /6 + /6, E EY ; Cov(, Y) to ρ. Zatem zmee, Y s esorelowae. Uwaga. Zauwamy, e powysze zmee losowe choca s zalee to s esorelowae. Załadamy, e macerz owaracj K steje. Regresja I rodzaju Y wzgldem zbór putów (x, E(Y x)). Regresja I rodzaju wzgldem Y zbór putów (E(,. Gdze E(Y x), E( to waruowe wartoc oczewae. Le regresj I rodzaju tylo w szczególych przypadach s lam prostym. Twerdzee. E(( Y ϕ( )) ) osga warto ajmejsz gdy ϕ ( x ) E( Y x) z prawdopodobestwem. Jel poszuujemy fucj lowej mmalzujcej wyraee E(( Y ϕ( )) ) to otrzymamy prost regresj zwa prost regresj II rodzaju. Regresja II rodzaju Y wzgldem to prosta Regresja II rodzaju wzgldem Y to prosta y x x m m Y Y ρ + Y ρ. ρ y + m ρ my. Y Y Powysze pojca regresj moa uogól a przypade - wymarowych zmeych losowych. W szczególoc hperpłaszczyza regresj II rodzaju Zmeej wzgldem zmeych, 3,..., ma rówae x - E a (x - E ) a (x - E ) gdze K s dopełeam algebraczym elemetów macerzy owaracj K. a K K Parametry zmeej losowej - wymarowej. Warto oczewaa E ( ) [ E, E,..., E ] T. Momet (zwyczaj rzdu l + l l 3

24 L.Kowals l l l ( ) m E... l l... l, Momet cetraly rzdu l + l l Macerz owaracj cov(, ) E j l l ( E ) ( E ) ) µ E..., j l l... l K [ j ], gdze E E E Wybrae zagadea z rachuu prawdopodobestwa [( )( )] ( ) E( ) E( ) j j Uwaga D, jest waracj - tej sładowej. Macerz K jest wadratowa, symetrycza słabo dodato oreloa (w szczególoc ma wyzacz eujem. cov( Macerz orelacj R [ρ j ], gdze, j) ρ j D D Uwaga ρ. j j j Rozład ormaly -wymarowy Zmea losowa (, Y) o rozładze ormalym -wymarowym zaley od pcu parametrów: m, m,,, ρ. m E; m EY; D; DY; ρ współczy orelacj. Współczy orelacj mus speła warue: ρ. Macerz owaracj K ma wtedy posta ρ K. ρ Gsto rozładu ormalego -wymarowego N(m, m,,, ρ) moa zapsa astpujco: ( ) ( ) ( )( ) ( ) x m x m y m y m f ( x, exp ρ + π ρ ρ Twerdzee Dowoly rozład brzegowy ormalego rozładu -wymarowego jest rozładem ormalym. Twerdzee Jel sładowe ormalego rozładu -wymarowego s esorelowae to s ezalee. TWIERDZENIA GRANICZNE Zbeo cgu zmeych losowych z prawdopodobestwem (prawe apewo) Cg zmeych losowych ( ) jest zbey do zmeej losowej z prawdopodobestwem jel P ({ ω : lm ( ω) ( ω) }) redowadratowa zbeo cgu zmeych losowych Cg zmeych losowych ( ) jest redowadratowo zbey do zmeej losowej jel lm E ( ) Rozpatrujc te rodzaj zbeoc załadamy, e dla wystpujcych tu zmeych losowych ( ), steje soczoy momet rzdu. Needy stosuje s zaps l..m. (srót od lmt mea ). 4

25 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa Stochastycza zbeo cgu zmeych losowych Cg zmeych losowych ( ) jest stochastycze (wg prawdopodobestwa) zbey do zmeej losowej jel lub rówowae lm < ε ) ε > lm ε ) ε> Zbeo cgu zmeych losowych wg dystrybuat (wg rozładu) Cg zmeych losowych ( ) jest zbey do zmeej losowej wg dystrybuat jel cg ch dystrybuat F jest zbey do dystrybuaty F w adym puce jej cgłoc (F jest dystrybuat zmeej losowej ). Zaleoc medzy zbeocam. ZBIENO Z PRAWDOPODOBIESTWEM ZBIENO REDNIOKWADRATOWA ZBIENO STOCHASTYCZNA ZBIENO WG DYSTRYBUANT zbeo do stałej (tz. gdy graca ma rozład jedoputow Uwaga. Putowa graca cgu dystrybuat e mus by dystrybuat. Jel cg fucj charaterystyczych odpowadajcych rozpatrywaemu cgow dystrybuat jest putowo zbey do fucj cgłej to graca tych dystrybuat jest dystrybuat. Cetrale twerdzee gracze Ldeberga Levy'ego Jel ezalee zmee losowe (,,..., ) maj ta sam rozład oraz steje E( ) m D ( ) > to cg dystrybuat (F ) stadaryzowaych redch arytmetyczych (lub stadaryzowaych sum ) m Y / jest zbey do dystrybuaty Φ rozładu N(, ). m Wose Dla duych (w pratyce 3) 5

26 L.Kowals Wybrae zagadea z rachuu prawdopodobestwa P a m < b Φ( b) Φ( a) W przypadu szczególym gdy (,,..., ) maja rozład zerojedyowy to powysze twerdzee azywamy twerdzeem Movre'a-Laplace'a (zmee losowe Y maj rozład dwumaow. Wose z twerdzea Movre'a-Laplace'a: Y p P a < b Φ( b) Φ( a) pq Uwaga. Powysze twerdzea wsazuj a wa rol rozładu ormalego. Przyład Wadlwo part arówe wyos,. Z tej part arówe wylosowao 65 arówe. Oblczy prawdopodobestwo, e wród wylosowaych arówe bdze mej wadlwych, Rozwzae. Y lczba wadlwych arówe wród wylosowaych, Y 65, ( ) P Y < P < 65,,99 Φ(,5), , 65,,99 Prawo welch lczb Chczya ( ) cg ezaleych zmeych losowych o tam samym rozładze oraz ech steje E( ) m. Wtedy cg jest zbey stochastycze do m. Y Wose Dla duych jel steje D ( ) > to P ε ( Y m < ε ) Φ ε > Przypade szczególy prawo welch lczb Beroullego: ( ) cg ezaleych zmeych losowych o rozładze dwumaowym wtedy cg stochastycze zbey do p. Wose Dla duych : jest ε > ε P p < ε Φ pq 6

JEDNOWYMIAROWA ZMIENNA LOSOWA

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

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

Bardziej szczegółowo

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

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

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

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

Bardziej szczegółowo

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

VI. TWIERDZENIA GRANICZNE

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

Bardziej szczegółowo

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

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

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

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

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

Bardziej szczegółowo

. Wtedy E V U jest równa

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

Bardziej szczegółowo

Analiza Matematyczna I.1

Analiza Matematyczna I.1 Aalza Matematycza I. Sera, Potr Nayar Zadae. Nech a k >, k =,..., b d lczbam rzeczywstym o tym samym zaku. Udowodj,»e prawdzwa jest erówo± + a + a... + a + a + a +... + a. Czy zaªo»ee,»e lczby a k maj

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ZMIENNE LOSOWE WIELOWYMIAROWE

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

Bardziej szczegółowo

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

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Miary statystyczne. Katowice 2014

Miary statystyczne. Katowice 2014 Mary statystycze Katowce 04 Podstawowe pojęca Statystyka Populacja próba Cechy zmee Szereg statystycze Wykresy Statystyka Statystyka to auka zajmująca sę loścowym metodam aalzy zjawsk masowych (występujących

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 8. ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE 1 Zbieżość ciągu zmieych losowych z prawdopodobieństwem 1 (prawie apewo) Ciąg zmieych losowych (X ) jest

Bardziej szczegółowo

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

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

Bardziej szczegółowo

PLANOWANIE I WNIOSKOWANIE STATYSTYCZNE W BADANIACH ROLNICZYCH

PLANOWANIE I WNIOSKOWANIE STATYSTYCZNE W BADANIACH ROLNICZYCH INSTYTUT HODOWLI I AKLIMATYZACJI ROLIN PLANOWANIE I WNIOSKOWANIE STATYSTYCZNE W BADANIACH ROLNICZYCH MATERIAY SZKOLENIOWE Dr hab. Zbgew Laudask, prof. adzw. Katedra Bometr Wydza Rolctwa Bolog SGGW Warszawa

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

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

Wstęp. zbiór wszystkich zdarzeń elementarnych (sample space), S zbiór zdarzeń, (events), P prawdopodobieństwo (probability distribution).

Wstęp. zbiór wszystkich zdarzeń elementarnych (sample space), S zbiór zdarzeń, (events), P prawdopodobieństwo (probability distribution). Wstęp,, S P przestrzeń probabilistycza (Probability space), zbiór wszystich zdarzeń elemetarych (sample space), S zbiór zdarzeń, (evets), P prawdopodobieństwo (probability distributio). P : S R ZMIENNA

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

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

Bardziej szczegółowo

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2 Permutacje { 2,,..., } Defcja: Permutacją zboru lczb azywamy dowolą różowartoścową fukcję określoą a tym zborze o wartoścach w tym zborze. Uwaga: Lczba wszystkch permutacj wyos! Permutacje zapsujemy w

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

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

Bardziej szczegółowo

IV. ZMIENNE LOSOWE DWUWYMIAROWE

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0

Bardziej szczegółowo

Marek Be±ka, Statystyka matematyczna, wykªad Wykªadnicze rodziny rozkªadów prawdopodobie«stwa

Marek Be±ka, Statystyka matematyczna, wykªad Wykªadnicze rodziny rozkªadów prawdopodobie«stwa Mare Be±a, Statystya matematycza, wyªad 3 38 3 Statystyi zupeªe 3. Wyªadicze rodziy rozªadów prawdopodobie«stwa Zacziemy od deicji Deicja 3. Rodzi rozªadów {µ θ } θ Θ azywamy wyªadicz rodzi rozªadów -

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

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

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

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

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

Bardziej szczegółowo

SZACOWANIE NIEPEWNOCI PRZY POMIARZE I OKRELANIU POZIOMU RÓWNOWANEGO

SZACOWANIE NIEPEWNOCI PRZY POMIARZE I OKRELANIU POZIOMU RÓWNOWANEGO SZACOWANI NIPWNOCI PRZY POMIARZ I OKRLANIU POZIOMU RÓWNOWANGO mgr Mołaj KIRPLUK NTL-M.Krplu 00-76 Warszawa, ul.belwedersa 3 m.6 www.tlm.com tel..: 50 660 e-mal: mrplu@tlm.com. WSTP Nejszy referat staow

Bardziej szczegółowo

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

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

Bardziej szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

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

Bardziej szczegółowo

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

ELEMENTY TEORII MOŻLIWOŚCI

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

Bardziej szczegółowo

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

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

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

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne

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

Bardziej szczegółowo

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

Wstęp do prawdopodobieństwa. Dr Krzysztof Piontek. Literatura:

Wstęp do prawdopodobieństwa. Dr Krzysztof Piontek. Literatura: Studum podyplomowe altyk Fasowy Wstęp do prawdopodobeństwa Lteratura: Ostasewcz S., Rusak Z., Sedlecka U.: Statystyka elemety teor zadaa, kadema Ekoomcza we Wrocławu 998. mr czel: Statystyka w zarządzau,

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

Statystyka Matematyczna Anna Janicka

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

Bardziej szczegółowo

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

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

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

Bardziej szczegółowo

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

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

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

Bardziej szczegółowo

Statystyka 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

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

Lista 6. Kamil Matuszewski 26 listopada 2015

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

Bardziej szczegółowo

Konspekt wykładu STATYSTYKA MATEMATYCZNA rok 2007/2008 Strona 1

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

Bardziej szczegółowo

[, ] [, ] [, ] ~ [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

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE

BQR FMECA/FMEA. czujnik DI CPU DO zawór. Rys. 1. Schemat rozpatrywanego systemu zabezpieczeniowego PE BQR FMECA/FMEA Przed rozpoczęcem aalzy ależy przeprowadzć dekompozycję systemu a podsystemy elemety. W efekce dekompozycj uzyskuje sę klka pozomów: pozom systemu, pozomy podsystemów oraz pozom elemetów.

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5.

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5. RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5. PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Rozłady soowe Rozład jednopuntowy Oreślamy: P(X c) 1 gdzie c ustalona liczba. 1 EX c, D 2 X 0 (tylo ten rozład ma zerową wariancję!!!)

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

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

Lista 6. Estymacja punktowa

Lista 6. Estymacja punktowa Estymacja puktowa Lista 6 Model metoda mometów, rozkład ciągły. Zadaie. Metodą mometów zaleźć estymator iezaego parametru a w populacji jedostajej a odciku [a, a +. Czy jest to estymator ieobciążoy i zgody?

Bardziej szczegółowo

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej

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

Bardziej szczegółowo

Wyższe momenty zmiennej losowej

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

Bardziej szczegółowo

Twierdzenia graniczne:

Twierdzenia graniczne: Twierdzeia graicze: Tw. ierówośd Markowa Jeżeli P(X > 0) = 1 oraz EX 0: P X k 1 k EX. Tw. ierówośd Czebyszewa Jeżeli EX = m i 0 < σ = D X 0: P( X m tσ) 1 t. 1. Z partii towaru o wadliwości

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

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

Pojcie estymacji. Metody probabilistyczne i statystyka Wykład 9: Estymacja punktowa. Własnoci estymatorów. Rozkłady statystyk z próby.

Pojcie estymacji. Metody probabilistyczne i statystyka Wykład 9: Estymacja punktowa. Własnoci estymatorów. Rozkłady statystyk z próby. Pojcie estymacji Metody probabilistycze i statystyka Wykład 9: Estymacja puktowa. Własoci estymatorów. Rozkłady statystyk z próby. Szacowaie wartoci parametrów lub rozkładu zmieej losowej w populacji geeralej

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

STATYSTYKA MATEMATYCZNA. WYKŁAD 0 (powt. wiadomości z r. p-stwa)

STATYSTYKA MATEMATYCZNA. WYKŁAD 0 (powt. wiadomości z r. p-stwa) STATYSTYKA MATEMATYCZNA WYKŁAD 0 (powt. wiadomości z r. p-stwa) Literatura M. Cieciura, J. Zacharski, Metody probabilistycze w ujęciu praktyczym, L. Kowalski, Statystyka, 005 R.Leiter, J.Zacharski, "Zarys

Bardziej szczegółowo

Rozkład normalny (Gaussa)

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

Bardziej szczegółowo

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

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

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

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

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

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to

Bardziej szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

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

Bardziej szczegółowo

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

będzie próbką prostą z rozkładu normalnego ( 2

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

Bardziej szczegółowo

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

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

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

PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE

PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE Marek Cecura, Jausz Zacharsk PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE CZĘŚĆ II STATYSTYKA OPISOWA Na prawach rękopsu Warszawa, wrzeseń 0 Data ostatej aktualzacj: czwartek, 0 paźdzerka

Bardziej szczegółowo

Kodowanie rónicowe. Plan 1. Zasada 2. Podstawowy algorytm 3. Kodowanie adaptacyjne 4. Zastosowania

Kodowanie rónicowe. Plan 1. Zasada 2. Podstawowy algorytm 3. Kodowanie adaptacyjne 4. Zastosowania Kodowae rócowe Pla 1. Zasada. Podstawowy algorytm 3. Kodowae adaptacyje 4. Zastosowaa Kodowae rócowe zasada Jako kwatyzacj szeroko przedzału waracja, rozpto daych Obrazy, dwk korelacja w daych Wykorzystae

Bardziej szczegółowo

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12 Ker. MTR Programowane w MATLABe Laboratorum Ćw. Analza statystyczna grafczna danych pomarowych. Wprowadzene MATLAB dysponuje weloma funcjam umożlwającym przeprowadzene analzy statystycznej pomarów, czy

Bardziej szczegółowo

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ

BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB WYKŁAD 2 BADANIE WSPÓŁZALEśNOŚCI DWÓCH CECH - ANALIZA KORELACJI PROSTEJ Matematka statstka matematcza dla rolków w SGGW Aa Rajfura, KDB Przkład.

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych Automatya i Robotya Aaliza Wyład dr Adam Ćmiel cmiel@agh.edu.pl Rachue różiczowy fucji wielu zmieych W olejych wyładach uogólimy pojęcia rachuu różiczowego i całowego fucji jedej zmieej a przypade fucji

Bardziej szczegółowo