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

Wielkość: px
Rozpocząć pokaz od strony:

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

Transkrypt

1 Materały do ćwczeń Zmea losowa dysreta Rozład zmeej losowej dysretej Powtarzae dośwadczeń Przygotował: Dr ż Wojcech Artchowcz Katedra Hydrotech PG Zma 4/5

2 ZMIEA LOSOWA DYSKRETA I JEJ ROZKŁAD PRAWDOPODOBIEŃSTWA POWTARZAIE DOŚWIADCZEŃ LITERATURA 6

3 ZMIEA LOSOWA DYSKRETA I JEJ ROZKŁAD PRAWDOPODOBIEŃSTWA Zadae Źródło [] arysować wyres rozładu rawdoodobeństwa dystrybuaty zmeej losowej, dla 9 tórej: P, P Oblczyć jej wartość oczewaą, warację odchylee stadardowe Rozwązae: Wyres rozładu rawdoodobeństwa zmeej losowej dysretej tworzy sę zazaczając a os ozomej uty tu = oraz =, w tórych oreśloo wartośc rawdoodobeństwa tu / 9/ Wartość oczewaa daa jest wzorem: czyl E P D 9 E Waracja osaa jest wzorem: 9 V E E E V 9 D Odchylee stadardowe jest erwastem z waracj: Zadae s V 9 Oreśl zmeą losową dla eserymetu olegającego a rzuce ostą sześceą arysuj jej rozład rawdoodobeństwa dystrybuatę Oblcz wartość oczewaą warację 9 Rozwązae: Załadając, że mamy do czyea ze stadardową ostą sześceą, tórej ścay mają ocza w lczbe od jede do sześć, ajrostszym wyborem fucj odwzorowującej zbór zdarzeń w zbór lczb rzeczywstych czyl zmeej losowej są oleje lczby,,, 6

4 Prawdoodobeństwo otrzymaa dowolej wartośc zmeej losowej wyos /6 Rozład rawdoodobeństwa będze zatem astęujący: /6 /6 /6 /6 /6 /6 Wartość oczewaa dysretej zmeej losowej osaa jest wzorem E D 7 E 6, Waracja zmeej losowej dysretej osaa jest wzorem V E E E D V,5,5 6,5, Zadae Zaleźć rozład rawdoodobeństwa, dystrybuatę, wartość oczewaą warację zmeej losowej sumy ocze otrzymaej w wyu rzutu dwema czworośceym ostam do gry Rozwązae: ajłatwej oreślć rawdoodobeństwa rzyależące daym wartoścom zmeej losowej tworząc tabelę zasując w ej zdarzea srzyjające , + +, +, +4, +, +4, +, + +, , /6 /6 /6 4/6 /6 /6 /6 F /6 /6 6/6 /6 /6 5/6 6/6 4

5 Oblczee wartośc oczewaej: Oblczee waracj: V E D E D 5 Zadae 4 Źródło [4] Dysreta zmea losowa ma rozład rzedstawoy w tabel arysuj jej rozład rawdoodobeństwa dystrybuatę Oblcz wartość oczewaą warację 6 8,,,4, Rozwązae: Dystrybuata: 6 8 F,,,7 Wartość oczewaa: E,, 6,4 8, 5, D 5

6 Waracja: V E D 5,, 5,, 6 5,,4 8 5,, 6,6 Zadae 5 Źródło [4] W art sładającej sę z dzesęcu detal, zajduje sę osem stadardowych Losowo wybrao dwa detale Zaleźć rozład lczby stadardowych detal wśród wybraych Oblcz wartość oczewaą warację arysuj rozład rawdoodobeństwa dystrybuatę zmeej losowej Rozwązae: Perwszym roem jest oreślee rawdoodobeństw wylosowaa daej lczby detal stadardowych wśród wybraych Możlwośc są astęujące: - e wybrao żadego detalu stadardowego oba detale są estadardowe: P ; wybrao jede detal stadardowy jede detal estadardowy: P ; wybrao dwa detale stadardowe: P

7 Wartośc zmeej losowej są oreśloe orzez lczbę detal stadardowych w dwóch wylosowaych, czyl =,, Otrzymao zatem rozład rawdoodobeństwa dystrybuatę rzedstawoą w tabel o rawej stroe Wartość oczewaa: Waracja: 8 E D V E D, F ,84444 Zadae 6 Źródło [4] W udełu zajduje sę sześć bałych trzy czare ule Losowo wycąga sę dwe ule Zajdź rozład zmeej losowej zdarzea: lczba wycągętych ul bałych arysuj rozład rawdoodobeństwa dystrybuatę zmeej tej losowej Rozwązae: Prawdoodobeństwa, że wycągętych zostae zero, jeda lub dwe ule bałe: P, P, P 9 8 7

8 Rozład rawdoodobeństwa dystrybuata: 5 7 F Zadae 7 Źródło [] arysować wyres rozładu rawdoodobeństwa dystrybuaty F zmeej losowej, dla tórej: a P P ; b P, 4 P 4 ; c P, =,,, Oblczyć F, F, F Podać terretację tych rawdoodobeństw a wyrese rozładu rawdoodobeństwa dystrybuaty W zadau c oblczyć wartość oczewaą oraz warację Rozwązae: Wartość dystrybuaty w uce jest sumą rawdoodobeństw dla mejszych lub rówych a F F F 8

9 b F F 4 F c Prawdoodobeństwo zmeej losowej jest dae fucją P /, dla =,,, Dystrybuata sumuje wszyste rawdoodobeństwa do włącze zatem będze oreśloa wzorem: F Oblczając oleje wartośc P F otrzymuje sę P F, P 4 P F, F 4 4 Uwaga: a wyres e aesoo całej dystrybuaty, a rawdoodobeństwo arysowao tylo dla =,,,, 9

10 Wartość oczewaa daa jest wzorem E P Po wstaweu wzoru osującego D rawdoodobeństwo otrzymuje sę: E Ja wdać owyżej, wartoścą oczewaą jest suma szeregu lczbowego rówa węc E Uwaga: Badae zbeżośc szeregów e wchodz w sład ursu statysty Możemy rzyjąć, że o rostu ta jest wy a odstawe tablc matematyczych Iformacje a temat szeregów moża odaleźć w welu odręczach matematy dla studetów oltech Wy róweż moża otrzymać orzystając z ortalu Wolfram Alha Oblczając warację orzystamy ze wzoru V E, zatem: Uwaga: Wy z ortalu Wolfram Alha D V Zadae 8 Źródło [4] Dysreta zmea losowa rzyjmuje trzy możlwe wartośc: =4 z rawdoodobeństwem =,5, =6 z rawdoodobeństwem =,, z Zaleźć wedząc, że E=8 Rozwązae: Żeby rozwązać zadae, ależy sorzystać z defcj wartośc oczewaej E W zadau = węc rozsując owyższy wzór otrzymuje sę: E W treśc zadaa dae są wartośc E,,,, Zatem możemy zasać owyższe rówae: E wstawć do ego zae wartośc: 4 Otrzymuje sę:,5 6, 8

11 4, W tej chwl jest jedo rówae dwe ewadome, zatem ależy zaleźć druge rówae Z asjomatyczej defcj rawdoodobeństwa wadomo, że rawdoodobeństwo zdarzea ewego rówe jest jede W odeseu do treśc zadaa zdarzee ewe ozacza, że zmea losowa rzyjme tórąolwe z wartośc, lub Prawdoodobeństwo taego zdarzee jest zatem rówe Z owyższego rówaa moża wyzaczyć : Wstawając oblczoą wartość do rówaa otrzymuje sę wartość :,5,,, 4,, 4,, Zatem oszuwae wartośc to oraz, Zadae 9 Źródło [4] Dae są możlwe wartośc dysretej zmeej losowej : =-, =, = oraz wartośc oczewae tej zmeej jej wadratu: E=,, E =,9 Zaleźć rawdoodobeństwa,, odowadające wartoścom, Rozwązae: W zadau są trzy ewadome, atomast a odstawe treśc zadaa moża ułożyć tylo dwa Perwsze rówae moża zasać wrost E E ozacza, że wartośc osągae rzez zmeą losową są odesoe do wadratu omożoe rzez rawdoodobeństwa odowadające tym wartoścom: E

12 Poadto wadomo, że, co zdefuje rówae trzece Otrzymuje sę astęujący uład rówań: E E E E, tóry o wstaweu zaych wartośc lczbowych rzyjme astęującą formę:,9, astęe oecze jest rozwązae owyższego uładu rówań Z dwóch erwszych rówań moża łatwo wyzaczyć welośc dodając stroam:,9,,5 4,,9, Zatem 4,,,, 5, Zadae Źródło [] Zmea losowa rzyjmuje wartośc z rawdoodobeństwam =c, gdze <<, =,,, Zaleźć stałą c Rozwązae: Suma rawdoodobeństw dla wszystch mus być rówa a odstawe defcj rawdoodobeństwa Jeśl << to jest szeregem geometryczym, tórego suma wyos: Uwaga: Wy z ortalu Wolfram Alha c c c c

13 POWTARZAIE DOŚWIADCZEŃ Zadae Źródło [] Prawdoodobeństwo tego, że statystyczy studet e jest rzygotoway do zajęć wyos =/ Prowadzący ćwczea wybera rzyadowo 4 osoby ech zmea losowa ozacza lczbę osób sośród wybraych, tóre e są rzygotowae do zajęć Zaleźć P= Rozwązae: Zauważmy, że z treśc zadaa wya, że auczycel wybera 4 osoby Wśród tych czterech osób wszyste mogą być rzygotowae ozaczałoby to =, jeda może być rzygotowaa, trzy erzygotowae = td Żeby zaleźć rawdoodobeństwo P= oecze jest rozważee ażdej sytuacj, w tórej z czterech wybraych osób trzy są erzygotowae Czyl erwsza, druga trzeca osoba jest erzygotowaa, czwarta jest rzygotowaa; erwsza, druga czwarta osoba jest erzygotowaa, trzeca jest rzygotowaa td, czyl: P Moża zauważyć, że rawdoodobeństwo P= jest rówe sume rawdoodobeństw wybraa trzech erzygotowaych studetów wyberając czterech w ażdej ermutacj, czyl 8 P 4 8 Powyższe rozwązae zostało uzysae a drodze zastosowaa twerdzea o możeu Zadae to moża rozwązać stosując e odejśce: zadajmy ytae, a le sosobów moża wybrać trzech studetów z czterech rzy czym olejość ch wyboru e ma zaczea Jest to ombacja C,4 4 Możąc lczbę sosobów C, 4 wylosowaa studetów rzez rawdoodobeństwo wylosowaa trzech erzygotowaych z czterech wylosowaych studetów otrzymuje sę oczywśce te sam wy: 8 P C,4 8 Zauważmy, że rozumowae owyższe dorowadzło do otrzymaa dwumau Beroullego w tórym =4, =, =/, =/ P C,, 8 8

14 Zadae Źródło [4] Dwóch jedaowo slych rzecwów gra w szachy Co jest bardzej rawdoodobe dla ażdego z ch: wygrać dwe arte z czterech, czy trzy arte z sześcu? Załadamy, że rems jest emożlwy Rozwązae: Jeśl gracze są jedaowo dobrzy, to zaczy, że rawdoodobeństwo wygraa dla ażdego z ch rówe jest =/ Aalogcze rawdoodobeństwo oraż wyos =-=/ Schemat Beroullego ozwala odowedzeć a ytae: jae jest rawdoodobeństwo zajśca zdarzea o rawdoodobeństwe w ezależych róbach Perwsze ytae jest o dwa zwycęstwa w czterech meczach, czyl =, =4 P C,, 4 P C,4, 4! P!4! 8 Druge ytae jest o trzy zwycęstwa z sześcu, zatem =, =6: 6! 5 P!6! 6 Prawdoodobeństwo dwóch wygraych z czterech jest bardzej rawdoodobe ż trzech z sześcu, oeważ: 6 5 P P 6 6 Zadae Źródło [4] Udowodć, że wartość oczewaa zmeej losowej dysretej lczby zajść zdarzea A w ezależych dośwadczeach, dla tórych rawdoodobeństwo zajśca zdarzea jest rówe jest rówe loczyow lczby dośwadczeń rawdoodobeństwa zajśca zdarzea w jedym dośwadczeu, tz udowodć, że E= Rozwązae: Lczbę zajść zdarzea o daym stałym rawdoodobeństwe w ezależych róbach oreśla rozład Beroullego: P C,, 4

15 5 C P E,!!! Zauważmy, że!! węc E!!!, E!!!, E!!! Wyłączając oraz rzed za sumy otrzymuje sę: E!!! astęe wyorzystay zostae tzw erwszy wzór dwumaowy: b a b a!!! Żeby wyorzystać wzór dwumaowy oecza jest zmaa grac oeratora sumy z =,,, a z =,,,, - W zwązu z tym wyrażee od sumą ależy rzeształcć ta, żeby ommo zmay desów, wartość sumy e uległa zmae Zatem rzy zmae zaresu desów sumy ależy do wzoru wstawć + w mejsce :!! Uwaga: Srawdzee dla =, czy owyższa suma e uległa zmae:!!!!! W odoby sosób moża rzeształcć wyrażee!!! :!!!!!!,!!! Za wartość - wstawmy wartość omocczą ~

16 ~ ~! ~!! Teraz bardzo łatwo moża zauważyć, że owyższe wyrażee odowada rawej stroe wcześej rzytoczoego wzoru dwumaowego, zatem moża zasać: ~ ~! ~ ~ ~!! ~ Wedząc, że otrzymuje sę ta węc ~ Wadomo, że =- węc E E, co ależało doweść E, E LITERATURA [] Busleo P Goleo DI, Sobol IM, Sragowcz WG, Szrejder JA 976, Metoda Mote Carlo, Warszawa [] Deutsch R 969, Teora Estymacj Państwowe Wydawctwo auowe Warszawa [] Devore J L, Probablty ad Statstcs for Egeerg ad the Sceces Iteratoal edto 8 th edto BROOKS/COLE [4] Gmurma WJ 976, Zbór zadań z rachuu rawdoodobeństwa statysty matematyczej Wydawctwa auowo-techcze Warszawa [5] Haste T, Tbshra R, Fredma J 9, The Elemets of Statstcal Learg Data Mg, Iferece, ad Predcto Secod Edto Srger [6] Greń J 97, Statystya matematycza modele zadaa Wydae czwarte uzuełoe Warszawa [7] Lgma J, Stachows E, Zalewsa A 996, Zbór zadań z ombatory rachuu rawdoodobeństwa dla uczów szół średch Ofcya wydawczo-olgrafcza relamowo-hadlowa ADAM Warszawa 6

17 [8] Lgma J 976, Zbór zadań z ombatory rachuu rawdoodobeństwa dla szół średch Wydawctwa szole edagogcze Warszawa [9] Meda MA, Itroducto To Probablty ad Statstcs Hydrology Due Uversty, Dyrham [] Pawłows Z 976, Statystya matematycza Państwowe Wydawctwo auowe Warszawa [] Plucńsa A, Plucńs E, Probablstya Wydawctwa auowo-techcze Warszawa [] Plucńsa A, Plucńs E975 Zadaa z rachuu rawdoodobeństwa statysty matematyczej dla studetów oltech Wydawctwa auowo-techcze Warszawa [] Kaczmare Z 97, Metody statystycze w hydrolog meteorolog Wydawctwa omuacj łączośc Warszawa [4] Koroac J, Melczu J 6, Statystya dla studetów eruów techczych rzyrodczych Wydawctwa auowo-techcze Warszawa [5] Korzyńs M 6, Metodya eserymetu Plaowae, realzacja statystycze oracowae wyów eserymetów techologczych Wydawctwa auowo- Techcze Warszawa [6] Szle W 97, Rachue rawdoodobeństwa dla lasy IV lceum ogóloształcącego techum Wydawctwa szole edagogcze Warszawa [7] Taylor JR, Wstę do aalzy błędu omarowego Wydae II zmeoe Wydawctwo auowe PW Warszawa [8] Walesa M, Gatar E 9, Statystycza aalza daych z wyorzystaem rogramu R Wydawctwo auowe PW Warszawa [9] Walole RE, Myers RH, Myers SL, Ye K, 7, Probablty & Statstcs for Egeers & Scetsts Pearso Educato Iteratoal [] Węglarczy W, Statystya w żyer środowsa Poltecha Kraowsa, Kraów [] Yevjevch V 97, Probablty ad statstcs hydrology Water Resources Publcatos, Fort Colls, Colorado, USA [] Zales J 4 Modele stochastycze symulacja omuterowa Zastosowae do systemów zaoatrzea w wodę Wydawctwo auowe PW Warszawa [] Zelńs R 97, Metody Mote Carlo Wydawctwa auowo-techcze Warszawa 7

18 [4] Zelńs R 974, Rachue rawdoodobeństwa z elemetam statysty matematyczej Wydawctwa Szole Pedagogcze Warszawa 8

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

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

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

( ) ( ) ( ) ( ) ( ) ( ) ,,, ~ 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

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

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

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

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

Bardziej szczegółowo

. Wtedy E V U jest równa

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

Bardziej szczegółowo

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

Portfel złożony z wielu papierów wartościowych

Portfel złożony z wielu papierów wartościowych Portfel westycyy ćwczea Na odst. Wtold Jurek: Kostrukca aalza, rozdzał 4 dr Mchał Kooczyńsk Portfel złożoy z welu aerów wartoścowych. Zwrot ryzyko Ozaczea: w kwota ulokowaa rzez westora w aery wartoścowe

Bardziej szczegółowo

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5 L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 4 Nieparametryczne testy istotności ZADANIE DOMOWE. Strona 1

KURS STATYSTYKA. Lekcja 4 Nieparametryczne testy istotności ZADANIE DOMOWE.  Strona 1 KURS STATYSTYKA Lecja 4 Nearametrycze testy stotośc ZADANIE DOMOWE www.etraez.l Stroa 1 Część 1: TEST Zazacz orawą odowedź (tylo jeda jest rawdzwa). Pytae 1 W testach earametryczych a) Oblczamy statystyę

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

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

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

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

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

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

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

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

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

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

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

Bajki kombinatoryczne

Bajki kombinatoryczne Artyuł powstał a podstawe odczytu pod tym samym tytułem, wygłoszoego podczas XXXVI Szoły Matematy Poglądowej Pomysł czy rachue? w Grzegorzewcach, styczeń 006. Baj ombatorycze Joaa JASZUŃSKA, Warszawa Ja

Bardziej szczegółowo

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

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i

ZAJĘCIA NR 3. loga. i nosi nazwę entropii informacyjnej źródła informacji. p. oznacza, Ŝe to co po im występuje naleŝy sumować biorąc za i ZAJĘCIA NR Dzsaj omówmy o etro, redudacj, średej długośc słowa odowego o algorytme Huffmaa zajdowaa odu otymalego (od ewym względam; aby dowedzeć sę jam doczeaj do ońca). etro JeŜel źródło moŝe adawać

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

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

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

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

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

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

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

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

Bardziej szczegółowo

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

FINANSE II. Model jednowskaźnikowy Sharpe a.

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

Bardziej szczegółowo

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym? Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)

Bardziej szczegółowo

ZAGADNIENIE TRANSPORTOWE

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

Bardziej szczegółowo

ma rozkład 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

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja Szereg czasowe, modele DL ADL, rzyczyowość, egracja Szereg czasowy, o cąg realzacj zmeej losowej, owedzmy y, w kolejych okresach czasu: { y } T, co rówoważe możemy zasać: = 1 y = { y1, y,..., y T }. Najogólej

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

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

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Laboatoum Metod tatystyczych ĆWICZENIE WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI Oacowała: Katazya tąo Weyfkaca hotez Hoteza statystycza to dowole zyuszczee dotyczące ozkładu oulac. Wyóżamy hotezy: aametycze

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

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

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

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

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

ĆWICZENIE 5 TESTY STATYSTYCZNE

ĆWICZENIE 5 TESTY STATYSTYCZNE ĆWICZENIE 5 TESTY STATYSTYCZNE Cel Przedstawee wybraych testów statystyczych zasad wyboru właścwego testu przeprowadzea go oraz terpretac wyów. Wprowadzee teoretycze Testem statystyczym azywamy metodę

Bardziej szczegółowo

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

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

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

Bardziej szczegółowo

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

Metody probabilistyczne Rozwiązania zadań

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

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIESTWA wybrane zagadnienia

RACHUNEK PRAWDOPODOBIESTWA wybrane zagadnienia L.Kowals Wybrae zagadea z rachuu prawdopodobestwa RACHUNEK PRAWDOPODOBIESTWA wybrae zagadea PRAWDOPODOBIESTWO Przyład Rozpatrzmy jao dowadczee losowe jedoroty rzut szece ost. Choca e potrafmy przewdze

Bardziej szczegółowo

System finansowy gospodarki

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

Bardziej szczegółowo

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym Pomary bezpośrede pośrede obarczoe błędem przypadkowym I. Szacowae wartośc przyblŝoej graczego błędu przypadkowego a przykładze bezpośredego pomaru apęca elem ćwczea jest oszacowae wartośc przyblŝoej graczego

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

STATYSTYKA. Zmienna losowa skokowa i jej rozkład

STATYSTYKA. Zmienna losowa skokowa i jej rozkład STATYSTYKA Wnosowane statystyczne to proces myślowy polegający na formułowanu sądów o całośc przy dysponowanu o nej ogranczoną lczbą nformacj Zmenna losowa soowa jej rozład Zmenną losową jest welość, tóra

Bardziej szczegółowo

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

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

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

STATYSTYKA OPISOWA WYKŁAD 3,4

STATYSTYKA OPISOWA WYKŁAD 3,4 STATYSTYKA OPISOWA WYKŁAD 3,4 5 Szereg rozdzelczy przedzałowy (dae pogrupowae) (stosujemy w przypadku dużej lczby epowtarzających sę daych) Przedzał (w ; w + ) Środek x& Lczebość Lczebość skumulowaa s

Bardziej szczegółowo

i i i = (ii) TAK sprawdzamy (i) (i) NIE

i i i = (ii) TAK sprawdzamy (i) (i) NIE Egzam uaruszy z aźdzera 009 r. Maemaya Fasowa Zadae ( ) a a& a ( Da) a&& ( Ia) a a&& D I a a&& a a ( ) && ( ) 0 a a a 0 ( ) a 4 0 ( ) a () K srawdzamy () ( ) a& a ( ) a ( ) a&& a&& ( ) a&& ( ) a&& () NIE

Bardziej szczegółowo

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer

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

Bardziej szczegółowo

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

Podstawy matematyki finansowej i ubezpieczeniowej

Podstawy matematyki finansowej i ubezpieczeniowej Podstawy matematy fasowej ubezpeczeowej oreślea, wzory, przyłady, zadaa z rozwązaam KIELCE 2 SPIS TREŚCI WSTEP... 7 STOPA ZWROTU...... 9 2 RACHUNEK CZASU W MATEMATYCE FINANSOWEJ. 0 2. DOKŁADNA LICZBA DNI

Bardziej szczegółowo

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

METODY KOMPUTEROWE 1

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

Bardziej szczegółowo

Wyrażanie niepewności pomiaru

Wyrażanie niepewności pomiaru Wyrażae epewośc pomaru Adrzej Kubaczyk Wydzał Fzyk, Poltechka Warszawska Warszawa, 05 Iformacje wstępe Każdy pomar welkośc fzyczej dokoyway jest ze skończoą dokładoścą, co ozacza, że wyk tego pomaru dokoyway

Bardziej szczegółowo

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki) Podstawy aalzy epewośc pomarowych (I Pracowa Fzyk) Potr Cygak Zakład Fzyk Naostruktur Naotecholog Istytut Fzyk UJ Pok. 47 Tel. 0-663-5838 e-mal: potr.cygak@uj.edu.pl Potr Cygak 008 Co to jest błąd pomarowy?

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

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

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

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

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

Bardziej szczegółowo

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

Reprezentacja krzywych...

Reprezentacja krzywych... Reprezeacja rzywych... Reprezeacja przy pomocy fcj dwóch zmeych rzywe płase płase - jedej: albo z z f x y x [ x x2] y [ y y2] f x y g x x [ x x2] Wady: rzywe óre dla pewych x y mogą przyjmować wele warośc

Bardziej szczegółowo

Planowanie eksperymentu pomiarowego I

Planowanie eksperymentu pomiarowego I POLITECHNIKA ŚLĄSKA W GLIWICACH WYDZIAŁ INŻYNIERII ŚRODOWISKA ENERGETYKI INSTYTUT MASZYN URZĄDZEŃ ENERGETYCZNYCH Plaowae eksperymetu pomarowego I Laboratorum merctwa (M 0) Opracował: dr ż. Grzegorz Wcak

Bardziej szczegółowo

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

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

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

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA Kospekt wykładu STATYSTYKA MATEMATYCZNA rok 8/9 Stroa Język prawdopodobeństwo jego rozkład Pojęce rozkładu prawdopodobeństwa lczby z totolotka jako zmee losowe o rozkładze skretym zmea losowa częstoścowa

Bardziej szczegółowo

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację. Wrażlwość oblgacj Jedym z czyków ryzyka westowaa w oblgacje jest zmeość rykowych stóp procetowych. Iżyera fasowa dyspouje metodam pozwalającym zabezpeczyć portfel przed egatywym skutkam zma stóp procetowych.

Bardziej szczegółowo

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie

UOGÓLNIONA ANALIZA WRAŻLIWOŚCI ZYSKU W PRZEDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW. 1. Wprowadzenie B A D A N I A O P E R A C Y J N E I D E C Y J E Nr 2 2007 Aa ĆWIĄKAŁA-MAŁYS*, Woletta NOWAK* UOGÓLNIONA ANALIA WRAŻLIWOŚCI YSKU W PREDSIĘBIORSTWIE PRODUKUJĄCYM N-ASORTYMENTÓW Przedstawoo ajważejsze elemety

Bardziej szczegółowo

METODY ANALIZY DANYCH DOŚWIADCZALNYCH

METODY ANALIZY DANYCH DOŚWIADCZALNYCH POLITECHNIKA Ł ÓDZKA TOMASZ W. WOJTATOWICZ METODY ANALIZY DANYCH DOŚWIADCZALNYCH Wybrae zagadea ŁÓDŹ 998 Przedsłowe Specyfką teor pomarów jest jej wtóry charakter w stosuku do metod badawczych stosowaych

Bardziej szczegółowo

Janusz Górczyński. Moduł 1. Podstawy prognozowania. Model regresji liniowej

Janusz Górczyński. Moduł 1. Podstawy prognozowania. Model regresji liniowej Materały omoccze do e-leargu Progozowae symulacje Jausz Górczyńsk Moduł. Podstawy rogozowaa. Model regresj lowej Wyższa Szkoła Zarządzaa Marketgu Sochaczew Od Autora Treśc zawarte w tym materale były erwote

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

5. OPTYMALIZACJA NIELINIOWA

5. OPTYMALIZACJA NIELINIOWA 5. OPTYMALIZACJA NIELINIOWA Zdarza sę dość często, że zależośc występujące w aalzowaych procesach (p. ospodarczych) mają charakter elowy. Dlateo też, oprócz lowych zadań decyzyjych, formułujemy także elowe

Bardziej szczegółowo

System finansowy gospodarki

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

Bardziej szczegółowo

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn ROZKŁAD PRAWDOPODBIEŃSTWA WIELU ZMIENNYCH LOSOWYCH W przpadku gd mam do czea z zmem losowm możem prawdopodobeństwo, ż przjmą oe wartośc,,, opsać welowmarową fukcją rozkładu gęstośc prawdopodobeństwa f(,,,.

Bardziej szczegółowo

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

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

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

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

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

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

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA Ćwczee 8 TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA 8.. Cel ćwczea Celem ćwczea jest wyzaczee statyczego współczyka tarca pomędzy walcową powerzchą cała a opasującą je lą. Poadto a drodze eksperymetalej

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

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

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

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

STATYSTKA I ANALIZA DANYCH LAB II

STATYSTKA I ANALIZA DANYCH LAB II STATYSTKA I ANALIZA DANYCH LAB II 1. Pla laboratorium II rozkłady prawdopodobieństwa Rozkłady prawdopodobieństwa dwupuktowy, dwumiaowy, jedostajy, ormaly. Związki pomiędzy rozkładami prawdopodobieństw.

Bardziej szczegółowo