Lista 1. Procesy o przyrostach niezależnych.

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "Lista 1. Procesy o przyrostach niezależnych."

Transkrypt

1 Lista. Procesy o przyrostach niezależnych.. Niech N t bedzie procesem Poissona o intensywnoci λ = 2. Obliczyć a) P (N 2 < 3, b) P (N =, N 3 = 6), c) P (N 2 = N 5 = 2), d) P (N =, N 2 = 3, N 4 < 5), e) P (N 2 = 4, N 4 > 5 N > 2). 2. Niech N t będzie procesem Poissona o intensywności λ. a) Dla < t < t + h < s obliczyć P (N t+h N t = k N s = n). b) Obliczyć funkcję kowariancji tego procesu, tzn K(s, t) = E(N s N t ) EN s EN t. 3. Trzęsienia ziemi w pewnym regionie zdarzają się zgodnie z rozkładem Poisona o intensywności 4 w ciągu roku. a) Jakie jest prawdopodobieństwo, żę w pierwszej połowie 22 roku będą przynajmniej 3 trzęsienia w tym regionie? b) Jeżeli zdarzy się sytuacja z a) to jakie jest prawdopodobieństwo, że w pierwszych 9 miesiącach tego roku bedą przynajmniej 4 trzęsienia? 4. Niech T, T 2,..., T n oznaczają momenty pojawienia się pierwszego, drugiego,..., n-tego sygnału w procesie Poissona N t o intensywności λ. a) Uzasadnić, że zdarzenia {T n t} i {N t n} są identyczne. b) Wykazać, że P (T 2 t) = e λt λte λt. c) Znaleźć gęstość zmiennej T n. 5. Niech W t bedzie procesem Wienera. Obliczyć a) P (W < W 4 + 2), b) P (W 5 > 4W 3 ), c) P (W 6 > W 4 W 2 < ), d) P (W < 5, W 3 < W, W 3 > W 4 + 2), e) P ( < W 2 < 2W ), f) P (W 4 > 2W 3 W 3 > ). Wynik podać w postaci liczbowej lub z użyciem funkcji Φ. 6. Cząsteczka drga chaotycznie wzdłuż prostej zgodnie z ruchem Browna, gdzie czas liczony jest w sekundach. Jakie jest prawdopodobieństwo, że w wybranej chwili odległość cząstki od jej położenia sprzed 3 sekund będzie większa niż 2? 7. Symetryczny proces Cauchy ego na prostej to proces X t o przyrostach niezależnych, jednorodnych, startujący z i taki, że zmienna X t ma symetryczny rozkład Cauchy ego z parametrem t, tzn. ma t gęstość f t (x) =, x R. π(x 2 +t 2 ) a) Obliczyć P ( < X < ). b) Obliczyć P (X 4 X 3, X3 2 < 3). c) Wykazać, że nie istnieje wartość oczekiwana ani funkcja kowariancji tego procesu. Lista 2. Łańcuchy Markowa z czasem dyskretnym.. Możliwe stany łańcucha X to,2,3, a jego macierz przejścia to,, 9 P =, 7, 3, 4, 6 Obliczyć

2 a) P (X 2 = ), o ile P (X = 2) =, b) P (X 3 = ), o ile P (X = ) =, c) P (X 2 = 2), jeżeli start z dowolnego stanu jest jednakowo prawdopodobny. 2. Poklasyfikować stany łańcucha (istotne-nieistotne, pochłaniające, powracające-chwilowe), znaleźć wszystkie zamknięte zbiory stanów i zbadać, czy łańcuchy są nieprzywiedlne, jeżeli dane są macierze przejścia tych łańcuchów: a), 2, 8, 7, 3, 4, 6, b), 5, 5, 3, 3, 4, c), 3, 7, 7, 3, 2, 8, 2, 2, 6, 5, 5 3. W pierwszej urnie są 3 białe kule, a w drugiej urnie - 3 czarne. W każdym kroku losujemy po jednej kuli z każdej urny i zamieniamy je miejscami. Niech stan procesu oznacza liczbę białych kul w pierwszej urnie. Opisać macierz przejścia tego łańcucha. Rozwiązać analogiczne zadanie, gdy każda urna zawiera N kul. 4. Załóżmy, że możliwymi stanami łańcucha (Y n ) s a tylko i, a macierz przejścia wygl ada nastȩpuj aco: [ ] α α P =, α + β >. β β Niech P (Y = ) = p. Wykazać, że P (Y n = ) = β α + β + ( α β)n Jak można fizycznie opisać proces o takiej macierzy przejścia? ( p β ). α + β 5. W ci agu prób Bernoulliego mówimy, że w chwili n 2 układ jest w stanie E, gdy doświadczenia o numerach n oraz n dały ci ag SS (sukces, sukces). Podobnie stany E 2, E 3 oraz E 4 określone s a przez SP, P S, P P. Wyznaczyć macierz przejścia P oraz P 2 tego łańcucha. 6. Cząsteczka z położenia i Z skacze do i + z prawdopodobieństwem p lub do i z prawdopodobieństwem p. Obliczyć p (3), p (4) oraz p (n). 7. Załóżmy, żę łączny kapitał graczy A i B wynosi k zł. W pojedynczej grze gracz A wygrywa złotówkę od gracza B z prawdopodobieństwem p, a przegrywa z prawdopodobieństwem p. Za każdym razem gdy dany gracz przegrywa ostatnią złotówkę przeciwnik oddaje mu ją z prawdopodobieństwem α. Znaleźć macierz przejścia dla łańcucha, który opisuje kapitał gracza A. Załóżmy, że na początek gracz A dostaje i zł z prawdopodobieństwem, i k. Jakie jest prawdopodobieństwo ruiny k+ gracza A w dwóch grach? 8. Pokazać z definicji, że wszystkie stany łańcucha z zadania 5 są powracające. 9. Cząstka porusza się między stanami,,2,3,4 w taki sposób, że: -ze stanu może przejść do stanów,2,4 z prawdopodobieństwem 3, -ze stanu 2 może przejść do stanów,,3 z prawdopodobieństwem 3, -ze stanu 3 może przejść do stanów,2,4 z prawdopodobieństwem 3, -ze stanu 4 może przejść do stanów,,3 z prawdopodobieństwem 3, -po dotarciu do stanu pozostaje w nim na zawsze. a) Napisać macierz przejścia. b) Pokazać z definicji, że stany -4 są chwilowe. c) Dla n obliczyć f (n) = P (X, X 2,..., X n, X n = X = ). d) Pokazać, że z prawdopodobieństwem stan pochłonie cząstkę. 2

3 . Łańcuch ma nieskończoną przestrzeń stanów S = {s, s 2,...}. Pierwszy wiersz macierzy przejścia P ma postać [a a 2...], a w pozostałych wierszach p i,i =, i 2. Udowodnić, że stan s jest powracający. Znaleźć wszystkie ciągi a n dla których a) wybrany stan s k jest powracający, b) wszystkie stany są powracajace.. Pierwsza kolumna macierzy przejścia P łańcucha o przestrzeni stanów S = {,, 2,...} ma postać [q q...], natomiast p i,i+ = q i dla i =,, 2,... Badając stan wykazać, że a) jeśli q i = ( i+ 2) to wszystkie stany są chwilowe, b) jeśli q i = to wszystkie stany są powracające Znaleźć wszystkie rozkłady stacjonarne łańcucha o macierzy przejścia a), b) , c) Zbadać kiedy istnieje rozkład stacjonarny dla łańcucha z zadania. Znaleźć ten rozkład w przypadku, gdy a) a i = ( i 2), i, b) a i =, i. i 2 +i 4. Dla jakich p łańcuch z zadania 4 jest stacjonarny? Kiedy łańcuch ten jest ergodyczny? Obliczyć E(Y 3 ) oraz lim n E(Y n ). 5. Uzasadnić, że dla p, q > takich, że p + q = łańcuch o macierzy przejścia q p q p q p jest ergodyczny i wyznaczyć prawdopodobieństwa ergodyczne. 6. Łańcuch ma macierz przejścia P =, 4, 6, 3, 7,, 5, 2, 2, 3, 3, 3, Wykorzystując własności stanów obliczyć lim n p ij (n) dla wszystkich i, j. 7. W ciągu doświadczeń Bernoulliego z prawdopodobieństwem sukcesu p mówimy, że w chwili n układ znajduje się w stanie, gdy n-te doświadczenie dało porażkę, a w stanie k {, 2, 3,..., n}, gdy ostatnia porażka nastąpiła w chwili n k (zerowe doświadczenie uważamy za porażkę). Innymi słowy, stan w chwili n to długość nieprzerwanej serii sukcesów, kończącej się w chwili n. Obliczyć p j = lim n p ij (n). 8. Niech P będzie macierzą rozmiaru n n podwójnie stochastyczną, tzn. taką, w której zarówno suma każdego wiersza jak i każdej kolumny jest równa. Znaleźć rozkład stacjonarny łańcucha o takiej macierzy przejścia. Wskazówka - zobacz np. zad. 2 a), b). 9. Niech P będzie macierzą przejścia łańcucha Markowa o n stanach. Pierwszy wiersz tej macierzy składa się z elementów p, p 2,..., p n, a następne wiersze powstają z niego przez cykliczne przesunięcie, tzn. drugi wiersz ma postać p n, p,..., p n, trzeci wiersz ma postać p n, p n, p,..., p n 2 itd, a ostatni ma postać p 2, p 3,..., p n, p. Czy ten łańcuch jest ergodyczny tzn. czy istnieje granica lim n P n? Jeżeli tak to obliczyć prawdopodobieństwa ergodyczne. 3

4 2. W pudełku A jest sześć kul ponumerownych liczbami od do 6, a pudełko B jest puste. Wykonamy rzutów kostką i po każdym rzucie przełożymy kulę o wylosowanym numerze do drugiego pudełka. Obliczyć przybliżone prawdopodobieństwo tego, że pudełko A będzie puste. 2. Szachista A jest bardzo odporny psychicznie i niezależnie od wyników poprzednich gier wygrywa kolejną partię z prawdopodobieństwem p, remisuje z prawdopodobieństwem r lub przegrywa z prawdopodobieństwem q. Szachista B jest słabszy psychicznie: -jeżeli poprzednią partię przegrał to wygrywa kolejną partię z prawdopodobieństwem p ɛ, remisuje z prawdopodobieństwem r lub przegrywa z prawdopodobieństwem q + ɛ, -jeżeli poprzednią partię zremisował to wygrywa kolejną partię z prawdopodobieństwem p, remisuje z prawdopodobieństwem r lub przegrywa z prawdopodobieństwem q, -jeżeli poprzednią partię wygrał to wygrywa kolejną partię z prawdopodobieństwem p + ɛ, remisuje z prawdopodobieństwem r lub przegrywa z prawdopodobieństwem q ɛ. Załóżmy, że gracz B ostatnią partię przed turniejem zremisował. a) Który z graczy w długim turnieju (kilkadziesiąt partii) osiągnie lepszy wynik? b) Jak odpowiedź do a) zależy od ɛ? c) Czy odpowiedź do a) zależy od wyniku ostatniej partii gracza B przed turniejem? Lista 3. Łańcuchy Markowa z czasem ciągłym.. W czystym procesie urodzin X t o przestrzeni stanów S = N mamy intensywności urodzin λ = λ =, λ 2 = 2 oraz λ n = dla n > 2. Znaleźć P (X t = n) i sprawdzić, że jest to właściwy rozkład prawdopodobieństwa, jeżeli a) P (X = ) =, b) P (X = ) =. 2. W procesie urodzin i śmierci X t o przestrzeni stanów S = N mamy intensywności urodzin λ = λ = 3, λ n =, n > oraz intensywności umierania µ = 4, µ n =, n. Znaleźć P (X t = n) i sprawdzić, że jest to właściwy rozkład prawdopodobieństwa, jeżeli a) P (X = ) =, b) P (X = ) =. 3. Rozpatrujemy czysty proces urodzin o przestrzeni stanów S = N i o intensywnościach urodzin λ n, n N. W którym przypadku funkcja P n (t) = P (X t = n) będzie właściwym rozkładem prawdopodobieństwa (czyli nie wystąpi zjawisko eksplozji)? a) λ n =. n+2 b) λ n = n 3 n. c) λ n = n4 +n+. n 2 + d) λ n = 3n n Które z poniższych macierzy są generatorami pewnych łańcuchów o czasie ciągłym? Wyznaczyć ich półgrupy przejścia. [ ] [ ] a) , b), c) Znaleźć generator a) łańcucha o macierzy przejścia P (t) = 3 b) procesu Poissona o intensywności λ, c) procesu urodzin z zadania, d) procesu urodzin i śmierci z zadania 2. [ 2 + e 3t e 3t 2 2e 3t + 2e 3t 4 ],

5 Lista 4. Procesy gaussowskie.. Definiujemy ruch Browna z dryftem jako X t = W t + ct, c R. a) Uzasadnić, że jest proces gaussowski i obliczyć jego średnią i kowariancję. b) Znaleźć jego prawdopodobieństwa przejścia P t (x, A) i sprawdzić, że spełniają one warunek dostateczny ciągłości trajektorii procesu, tzn. lim t + t ( P t(x, [x ɛ, x + ɛ])) =. 2. Które z poniższych procesów są procesami Wienera? Odpowiedź uzasadnić. a) X t = W t+ W t W. b) X t = 5 { W 5 5t. Wt, t 2, c) X t = { 2W 2 W t, t > 2. Wt, t, d) X t = 3W 2W t, t >. 5

Zbigniew S. Szewczak Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki. Graniczne własności łańcuchów Markowa

Zbigniew S. Szewczak Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki. Graniczne własności łańcuchów Markowa Zbigniew S. Szewczak Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki Graniczne własności łańcuchów Markowa Toruń, 2003 Co to jest łańcuch Markowa? Każdy skończony, jednorodny łańcuch Markowa

Bardziej szczegółowo

Układy stochastyczne

Układy stochastyczne Instytut Informatyki Uniwersytetu Śląskiego 21 stycznia 2009 Definicja Definicja Proces stochastyczny to funkcja losowa, czyli funkcja matematyczna, której wartości leżą w przestrzeni zdarzeń losowych.

Bardziej szczegółowo

Procesy Markowa zawdzięczają swoją nazwę ich twórcy Andriejowi Markowowi, który po raz pierwszy opisał problem w 1906 roku.

Procesy Markowa zawdzięczają swoją nazwę ich twórcy Andriejowi Markowowi, który po raz pierwszy opisał problem w 1906 roku. Procesy Markowa zawdzięczają swoją nazwę ich twórcy Andriejowi Markowowi, który po raz pierwszy opisał problem w 1906 roku. Uogólnienie na przeliczalnie nieskończone przestrzenie stanów zostało opracowane

Bardziej szczegółowo

Zestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) =

Zestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) = Zestaw : Zmienne losowe. Które z poniższych funkcji są dystrybuantami? Odpowiedź uzasadnij. Wskazówka: naszkicuj wykres. 0, x 0,, x 0, F (x) = x, F (x) = x, 0 x

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa II Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ,

Zadania z Rachunku Prawdopodobieństwa II Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ, Zadania z Rachunku Prawdopodobieństwa II -. Udowodnij, że dla dowolnych liczb x n, x, δ xn δ x wtedy i tylko wtedy, gdy x n x.. Wykaż, że n n k= δ k/n λ, gdzie λ jest miarą Lebesgue a na [, ].. Podać przykład

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa II Podaj przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ,

Zadania z Rachunku Prawdopodobieństwa II Podaj przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ, Zadania z Rachunku Prawdopodobieństwa II -. Udowodnij, że dla dowolnych liczb x n, x, δ xn δ x wtedy i tylko wtedy, gdy x n x.. Wykaż, że n n k= δ k/n λ, gdzie λ jest miarą Lebesgue a na [, ].. Podaj przykład

Bardziej szczegółowo

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe 4.1. Zmienne losowe dyskretne. Katarzyna Rybarczyk-Krzywdzińska Definicja/Rozkład Zmienne losowe dyskretne Definicja Zmienną losową, która skupiona

Bardziej szczegółowo

Prawdopodobieństwo zadania na sprawdzian

Prawdopodobieństwo zadania na sprawdzian Prawdopodobieństwo zadania na sprawdzian Zad. 1. Zdarzenia A, B, C oznaczają, że wzięto co najmniej po jednej książce odpowiednio z pierwszych, drugich i trzecich dzieł zebranych. Każde z dzieł zebranych

Bardziej szczegółowo

Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS

Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS przykładowe zadania na. kolokwium czerwca 6r. Poniżej podany jest przykładowy zestaw zadań. Podczas kolokwium na ich rozwiązanie przeznaczone będzie ok. 85

Bardziej szczegółowo

Zestaw 2. jej wartość oczekiwaną oraz wariancję. Znaleźć gęstości zmiennych losowych X, X 2, {

Zestaw 2. jej wartość oczekiwaną oraz wariancję. Znaleźć gęstości zmiennych losowych X, X 2, { Zestaw 1 P1.1. Czy, jeśli obraz funkcji jest przeliczalny, wystarczy, że przeciwobrazy zbiorów jednopunktowych są mierzalne, aby mieć pewność, że funkcja jest zmienną losową? P1.2. Sprawdzić, że jeśli

Bardziej szczegółowo

Elementy modelowania matematycznego

Elementy modelowania matematycznego Elementy modelowania matematycznego Łańcuchy Markowa: zagadnienia graniczne. Ukryte modele Markowa. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ KLASYFIKACJA STANÓW Stan i jest osiągalny

Bardziej szczegółowo

Matematyka podstawowa X. Rachunek prawdopodobieństwa

Matematyka podstawowa X. Rachunek prawdopodobieństwa Matematyka podstawowa X Rachunek prawdopodobieństwa Zadania wprowadzające: 1. Rzucasz trzy razy monetą a) Napisz zbiór wszystkich wyników tego doświadczenia losowego. Ile ich jest? Wyrzuciłeś większą liczbę

Bardziej szczegółowo

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Niech Ω będzie przestrzenią zdarzeń elementarnych. Definicja 1 Rodzinę S zdarzeń losowych (zbiór S podzbiorów zbioru

Bardziej szczegółowo

Rachunek prawdopodobieństwa - Teoria - Przypomnienie.. A i B są niezależne, gdy P(A B) = P(A)P(B). P(A B i )P(B i )

Rachunek prawdopodobieństwa - Teoria - Przypomnienie.. A i B są niezależne, gdy P(A B) = P(A)P(B). P(A B i )P(B i ) Rachunek prawdopodobieństwa - Teoria - Przypomnienie Podstawy Definicja 1. Schemat klasyczny - wszystkie zdarzenia elementarne są równo prawdopodobne, licząc prawdopodobieństwo liczymy stosunek liczby

Bardziej szczegółowo

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t. Procesy stochastyczne WYKŁAD 5 Proces Poissona. Proces {N(t), t } nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t. Proces zliczający musi

Bardziej szczegółowo

P (A B) = P (A), P (B) = P (A), skąd P (A B) = P (A) P (B). P (A)

P (A B) = P (A), P (B) = P (A), skąd P (A B) = P (A) P (B). P (A) Wykład 3 Niezależność zdarzeń, schemat Bernoulliego Kiedy dwa zdarzenia są niezależne? Gdy wiedza o tym, czy B zaszło, czy nie, NIE MA WPŁYWU na oszacowanie prawdopodobieństwa zdarzenia A: P (A B) = P

Bardziej szczegółowo

i=7 X i. Zachodzi EX i = P(X i = 1) = 1 2, i {1, 2,..., 11} oraz EX ix j = P(X i = 1, X j = 1) = 1 7 VarS 2 2 = 14 3 ( 5 2 =

i=7 X i. Zachodzi EX i = P(X i = 1) = 1 2, i {1, 2,..., 11} oraz EX ix j = P(X i = 1, X j = 1) = 1 7 VarS 2 2 = 14 3 ( 5 2 = Kombinatoryka W tej serii zadań można znaleźć pojawiające się na egzaminach zadania dotyczące problemu wyznaczania prostych parametrów rozkładu w przypadku zgadnień kombinatorycznych. Zadania te wymagają

Bardziej szczegółowo

Laboratorium nr 7. Zmienne losowe typu skokowego.

Laboratorium nr 7. Zmienne losowe typu skokowego. Laboratorium nr 7. Zmienne losowe typu skokowego.. Zmienna losowa X ma rozkład dany tabelką: - 0 3 0, 0,3 0, 0,3 0, Naszkicować dystrybuantę zmiennej X. Obliczyć EX oraz VarX.. Zmienna losowa ma rozkład

Bardziej szczegółowo

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład Rozdział 1 Wektory losowe 1.1 Wektor losowy i jego rozkład Definicja 1 Wektor X = (X 1,..., X n ), którego każda współrzędna jest zmienną losową, nazywamy n-wymiarowym wektorem losowym (krótko wektorem

Bardziej szczegółowo

Zadania z RP 2. seria Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n

Zadania z RP 2. seria Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n Zadania z RP 2. seria 1. 1. Dla x R n, niech δ x oznacza miarę Diraca, skupioną w punkcie x. Wykazać, że dla dowolnego ciągu x n R n zachodzi δ xn δ x wtedy i tylko wtedy, gdy x n x. 2. Podać przykład

Bardziej szczegółowo

Prawa wielkich liczb, centralne twierdzenia graniczne

Prawa wielkich liczb, centralne twierdzenia graniczne , centralne twierdzenia graniczne Katedra matematyki i ekonomii matematycznej 17 maja 2012, centralne twierdzenia graniczne Rodzaje zbieżności ciągów zmiennych losowych, centralne twierdzenia graniczne

Bardziej szczegółowo

Wstęp do rachunku prawdopodobieństwa. Cz. 2 / William Feller. wyd. 4, dodr. 3. Warszawa, Spis treści

Wstęp do rachunku prawdopodobieństwa. Cz. 2 / William Feller. wyd. 4, dodr. 3. Warszawa, Spis treści Wstęp do rachunku prawdopodobieństwa. Cz. 2 / William Feller. wyd. 4, dodr. 3. Warszawa, 2012 Spis treści Przedmowa 5 Oznaczenia i konwencje 7 Rozdział I Rozkład wykładniczy i rozkład jednostajny 1. Wprowadzenie

Bardziej szczegółowo

EGZAMIN DYPLOMOWY, część II, 23.09.2008 Biomatematyka

EGZAMIN DYPLOMOWY, część II, 23.09.2008 Biomatematyka Biomatematyka W 200-elementowej próbie losowej z diploidalnej populacji wystąpiło 89 osobników genotypu AA, 57 osobników genotypu Aa oraz 54 osobników genotypu aa. Na podstawie tych danych (a) dokonaj

Bardziej szczegółowo

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 1 ZADANIA - ZESTAW 1. (odp. a) B A C, b) A, c) A B, d) Ω)

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 1 ZADANIA - ZESTAW 1. (odp. a) B A C, b) A, c) A B, d) Ω) ZADANIA - ZESTAW 1 Zadanie 1.1 Rzucamy trzy razy monetą. A i - zdarzenie polegające na tym, że otrzymamy orła w i - tym rzucie. Określić zbiór zdarzeń elementarnych. Wypisać zdarzenia elementarne sprzyjające

Bardziej szczegółowo

PROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω)

PROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω) PROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω) określonych na tej samej przestrzeni probabilistycznej

Bardziej szczegółowo

KURS PRAWDOPODOBIEŃSTWO

KURS PRAWDOPODOBIEŃSTWO KURS PRAWDOPODOBIEŃSTWO Lekcja 4 Prawdopodobieństwo całkowite i twierdzenie Bayesa. Drzewko stochastyczne. Schemat Bernoulliego. ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowiedź

Bardziej szczegółowo

21 maja, Mocna własność Markowa procesu Wienera. Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126

21 maja, Mocna własność Markowa procesu Wienera. Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126 Mocna własność Markowa procesu Wienera Procesy Stochastyczne, wykład 13, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1126 21 maja, 2012 Mocna własność Markowa W = (W 1,..., W d ) oznaczać

Bardziej szczegółowo

Zadanie 1. Oblicz prawdopodobieństwo, że rzucając dwiema kostkami do gry otrzymamy:

Zadanie 1. Oblicz prawdopodobieństwo, że rzucając dwiema kostkami do gry otrzymamy: Zadanie 1. Oblicz prawdopodobieństwo, że rzucając dwiema kostkami do gry otrzymamy: a) sumę oczek równą 6, b) iloczyn oczek równy 6, c) sumę oczek mniejszą niż 11, d) iloczyn oczek będący liczbą parzystą,

Bardziej szczegółowo

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych

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

Bardziej szczegółowo

Ważne rozkłady i twierdzenia

Ważne rozkłady i twierdzenia Ważne rozkłady i twierdzenia Rozkład dwumianowy i wielomianowy Częstość. Prawo wielkich liczb Rozkład hipergeometryczny Rozkład Poissona Rozkład normalny i rozkład Gaussa Centralne twierdzenie graniczne

Bardziej szczegółowo

Lista zadania nr 4 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie

Lista zadania nr 4 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Lista zadania nr 4 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Jarosław Kotowicz Instytut Matematyki Uniwersytet w

Bardziej szczegółowo

Rozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej

Rozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Zbiór możliwych wyników eksperymentu będziemy nazywać przestrzenią zdarzeń elementarnych i oznaczać Ω, natomiast

Bardziej szczegółowo

III. ZMIENNE LOSOWE JEDNOWYMIAROWE

III. ZMIENNE LOSOWE JEDNOWYMIAROWE III. ZMIENNE LOSOWE JEDNOWYMIAROWE.. Zmienna losowa i pojęcie rozkładu prawdopodobieństwa W dotychczas rozpatrywanych przykładach każdemu zdarzeniu była przyporządkowana odpowiednia wartość liczbowa. Ta

Bardziej szczegółowo

Rachunek prawdopodobieństwa MAP1064 Wydział Elektroniki, rok akad. 2008/09, sem. letni Wykładowca: dr hab. A. Jurlewicz

Rachunek prawdopodobieństwa MAP1064 Wydział Elektroniki, rok akad. 2008/09, sem. letni Wykładowca: dr hab. A. Jurlewicz Rachunek prawdopodobieństwa MAP064 Wydział Elektroniki, rok akad. 08/09, sem. letni Wykładowca: dr hab. A. Jurlewicz Przykłady do listy 7: Zmienne losowe dyskretne. Rozkłady Bernoulliego dwumianowy), Pascala,

Bardziej szczegółowo

KARTA PRZEDMIOTU. 12. Przynależność do grupy przedmiotów: Prawdopodobieństwo i statystyka

KARTA PRZEDMIOTU. 12. Przynależność do grupy przedmiotów: Prawdopodobieństwo i statystyka (pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: RACHUNEK PRAWDOPODOBIEŃSTWA 2. Kod przedmiotu: RPr 3. Karta przedmiotu ważna od roku akademickiego: 20152016 4. Forma

Bardziej szczegółowo

Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa

Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa Wstęp do sieci neuronowych, wykład 12 Łańcuchy Markowa M. Czoków, J. Piersa 2012-01-10 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego 3 1 Łańcucha Markowa 2 Istnienie Szukanie stanu stacjonarnego

Bardziej szczegółowo

Prawdopodobieństwo GEOMETRYCZNE

Prawdopodobieństwo GEOMETRYCZNE Prawdopodobieństwo GEOMETRYCZNE Zadanie 1. Skoczek spadochronowy skacze nad kwadratową wyspą o boku 20km. Na środku wyspy znajduje się prostokątne lądowisko o wymiarach 2x3 km. Jakie jest prawdopodobieństwo,

Bardziej szczegółowo

Ćwiczenia 1. Klasyczna definicja prawdopodobieństwa, prawdopodobieństwo geometryczne, własności prawdopodobieństwa, wzór włączeń i wyłączeń

Ćwiczenia 1. Klasyczna definicja prawdopodobieństwa, prawdopodobieństwo geometryczne, własności prawdopodobieństwa, wzór włączeń i wyłączeń Agata Boratyńska Ćwiczenia z rachunku prawdopodobieństwa 1 Ćwiczenia 1. Klasyczna definicja prawdopodobieństwa, prawdopodobieństwo geometryczne, własności prawdopodobieństwa, wzór włączeń i wyłączeń UWAGA:

Bardziej szczegółowo

dr Jarosław Kotowicz 29 października Zadania z wykładu 1

dr Jarosław Kotowicz 29 października Zadania z wykładu 1 Rachunek prawdopodobieństwa - ćwiczenia czwarte Schematy rachunku prawdopodobieństwa. Prawdopodobieństwo geometryczne. kierunek: informatyka i ekonometria I dr Jarosław Kotowicz 29 października 20 Spis

Bardziej szczegółowo

EGZAMIN DYPLOMOWY, część II, 20.09.2006 Biomatematyka

EGZAMIN DYPLOMOWY, część II, 20.09.2006 Biomatematyka Biomatematyka Załóżmy, że częstości genotypów AA, Aa i aa w całej populacji wynoszą p 2, 2pq i q 2. Wiadomo, że czynnik selekcyjny sprawia, że osobniki o genotypie aa nie rozmnażają się. 1. Wyznacz częstości

Bardziej szczegółowo

Prawdopodobieństwo warunkowe Twierdzenie o prawdopodobieństwie całkowitym

Prawdopodobieństwo warunkowe Twierdzenie o prawdopodobieństwie całkowitym Edward Stachowski Prawdopodobieństwo warunkowe Twierdzenie o prawdopodobieństwie całkowitym W podstawie programowej obowiązującej na egzaminie maturalnym od 05r pojawiły się nowe treści programowe Wśród

Bardziej szczegółowo

EGZAMIN DYPLOMOWY, część II, Biomatematyka

EGZAMIN DYPLOMOWY, część II, Biomatematyka Biomatematyka Niech X n oznacza proporcję pozycji w nici DNA, które po n replikacjach są obsadzone takimi samymi nukleotydami, jak w chwili początkowej, tak więc X 0 = 1. Zakładamy, że w każdej replikacji

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;

Bardziej szczegółowo

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Nierówność Czebyszewa Niech X będzie zmienną losową o skończonej wariancji V ar(x). Wtedy wartość oczekiwana E(X) też jest skończona i

Bardziej szczegółowo

X P 0,2 0,5 0,2 0,1

X P 0,2 0,5 0,2 0,1 Zadanie 1 Zmienna losowa X ma rozkład: x -2 0 1 p 0,2 0,5 0,3 Wyznaczyć i narysować dystrybuantę tej zmiennej losowej. Zadanie 2 Zmienna losowa X ma rozkład: X -10 0 10 40 P 0,2 0,5 0,2 0,1 Podać wartość

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa - seria 1. 3. Z 24 kart wybieramy 5. Jaka jest szansa, że otrzymamy fulla? Jaka jest szansa, że otrzymamy

Zadania z Rachunku Prawdopodobieństwa - seria 1. 3. Z 24 kart wybieramy 5. Jaka jest szansa, że otrzymamy fulla? Jaka jest szansa, że otrzymamy Zadania z Rachunku Prawdopodobieństwa - seria 1 1. (rozgrzewka) Na przyjęciu urodzinowym jest n dzieci i n prezentów (przy czym każdy prezent jest inny). Na ile sposobów można rozdać prezenty dzieciom

Bardziej szczegółowo

Rachunek Prawdopodobieństwa Anna Janicka

Rachunek Prawdopodobieństwa Anna Janicka Rachunek Prawdopodobieństwa Anna Janicka wykład XIV, 24.01.2017 ŁAŃCUCHYMARKOWA CD. KRÓTKIE INFO O RÓŻNYCH WAŻNYCH ROZKŁADACH Plan na dzisiaj Łańcuchy Markowa cd. Różne ważne rozkłady prawdopodobieństwa,

Bardziej szczegółowo

Wybrane rozkłady zmiennych losowych. Statystyka

Wybrane rozkłady zmiennych losowych. Statystyka Wybrane rozkłady zmiennych losowych Statystyka Rozkład dwupunktowy Zmienna losowa przyjmuje tylko dwie wartości: wartość 1 z prawdopodobieństwem p i wartość 0 z prawdopodobieństwem 1- p x i p i 0 1-p 1

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa I - 1. a) Jacek i Agatka stoją koło siebie; b) Jacek, Placek i Agatka stoją koło siebie.

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

Bardziej szczegółowo

p k (1 p) n k. k c. dokładnie 10 razy została wylosowana kula amarantowa, ale nie za pierwszym ani drugim razem;

p k (1 p) n k. k c. dokładnie 10 razy została wylosowana kula amarantowa, ale nie za pierwszym ani drugim razem; 05DRAP - Niezależność zdarzeń, schemat Bernoulliego Definicja.. Zdarzenia A i B nazywamy niezależnymi, jeżeli zachodzi równość P(A B) = P(A) P(B). Definicja. 2. Zdarzenia A,..., A n nazywamy niezależnymi

Bardziej szczegółowo

P r a w d o p o d o b i eństwo Lekcja 1 Temat: Lekcja organizacyjna. Program. Kontrakt.

P r a w d o p o d o b i eństwo Lekcja 1 Temat: Lekcja organizacyjna. Program. Kontrakt. P r a w d o p o d o b i eństwo Lekcja 1 Temat: Lekcja organizacyjna. Program. Kontrakt. Lekcja 2 Temat: Podstawowe pojęcia związane z prawdopodobieństwem. Str. 10-21 1. Doświadczenie losowe jest to doświadczenie,

Bardziej szczegółowo

Temat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły. Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga. Anna Rajfura, Matematyka

Temat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły. Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga. Anna Rajfura, Matematyka Temat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga 1 Zagadnienia 1. Przypomnienie wybranych pojęć rachunku prawdopodobieństwa. Zmienna losowa. Rozkład

Bardziej szczegółowo

Analiza Algorytmów. Informatyka, WPPT, Politechnika Wroclawska. 1 Zadania teoretyczne (ćwiczenia) Zadanie 1. Zadanie 2. Zadanie 3

Analiza Algorytmów. Informatyka, WPPT, Politechnika Wroclawska. 1 Zadania teoretyczne (ćwiczenia) Zadanie 1. Zadanie 2. Zadanie 3 Analiza Algorytmów Informatyka, WPPT, Politechnika Wroclawska 1 Zadania teoretyczne (ćwiczenia) Zadanie 1 Niech k będzie dodatnią liczbą całkowitą. Rozważ następującą zmienną losową Pr[X = k] = (6/π 2

Bardziej szczegółowo

Zmienne losowe skokowe

Zmienne losowe skokowe Zmienne losowe skokowe 1.1 Rozkład prawdopodobieństwa i dystrybuanta Zad.1 Niech zmienna losowa X przyjmuje wartości równe liczbie wyrzuconych oczek przy pojedynczym rzucie kostką do gry, czyli =1,2,3,,6.

Bardziej szczegółowo

Zmienne losowe ciągłe i ich rozkłady

Zmienne losowe ciągłe i ich rozkłady Statystyka i opracowanie danych W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Rozkład Poissona. Zmienna losowa ciągła Dystrybuanta i funkcja gęstości

Bardziej szczegółowo

Rozkłady statystyk z próby

Rozkłady statystyk z próby Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny

Bardziej szczegółowo

( n) Łańcuchy Markowa X 0, X 1,...

( n) Łańcuchy Markowa X 0, X 1,... Łańcuchy Markowa Łańcuchy Markowa to rocesy dyskretne w czasie i o dyskretnym zbiorze stanów, "bez amięci". Zwykle będziemy zakładać, że zbiór stanów to odzbiór zbioru liczb całkowitych Z lub zbioru {,,,...}

Bardziej szczegółowo

Zadania zestaw 1: Zadania zestaw 2

Zadania zestaw 1: Zadania zestaw 2 Zadania zestaw 1: Zadania zestaw 2 Zadania zestaw 3. 1 Rozkład zmiennej losowej skokowej X przedstawia tabela. x i m 0 n p i 0,4 0,3 0,3 a) Wyznacz m i n jeśli: są całkowite, m

Bardziej szczegółowo

Rachunek Prawdopodobieństwa i Statystyka Matematyczna

Rachunek Prawdopodobieństwa i Statystyka Matematyczna Rachunek rawdopodobieństwa i Statystyka Matematyczna rowadzący: prof. dr hab. inż. Ireneusz Jóźwiak Zestaw nr. Opracowanie: Grzegorz Drzymała 4996 Grzegorz Dziemidowicz 49965 drian Gawor 49985 Zadanie..

Bardziej szczegółowo

Przestrzeń probabilistyczna

Przestrzeń probabilistyczna Przestrzeń probabilistyczna (Ω, Σ, P) Ω pewien niepusty zbiór Σ rodzina podzbiorów tego zbioru P funkcja określona na Σ, zwana prawdopodobieństwem. Przestrzeń probabilistyczna (Ω, Σ, P) Ω pewien niepusty

Bardziej szczegółowo

EGZAMIN MATURALNY Z MATEMATYKI

EGZAMIN MATURALNY Z MATEMATYKI Arkusz zawiera informacje prawnie chronione do momentu rozpoczęcia egzaminu. MMA 2015 KOD UZUPEŁNIA ZDAJĄCY PESEL miejsce na naklejkę dysleksja EGZAMIN MATURALNY Z MATEMATYKI POZIOM ROZSZERZONY DATA: 8

Bardziej szczegółowo

W grze uczestniczy dwóch graczy: G 1 i G 2. Z urny, w której jest b kul białych i c czarnych, losuje się w grze (jednocześnie) dwie kule.

W grze uczestniczy dwóch graczy: G 1 i G 2. Z urny, w której jest b kul białych i c czarnych, losuje się w grze (jednocześnie) dwie kule. W grze uczestniczy dwóch graczy: G 1 i G 2. Z urny, w której jest b kul białych i c czarnych, losuje się w grze (jednocześnie) dwie kule. Jeśli obie wylosowane kule są tego samego koloru to zwycięża G

Bardziej szczegółowo

c) ( 13 (1) (2) Zadanie 2. Losując bez zwracania kolejne litery ze zbioru AAAEKMMTTY, jakie jest prawdopodobieństwo Odp.

c) ( 13 (1) (2) Zadanie 2. Losując bez zwracania kolejne litery ze zbioru AAAEKMMTTY, jakie jest prawdopodobieństwo Odp. Zadania na kolokwium nr Zadanie. Spośród kart w tali wylosowano. Jakie jest prawdopodobieństwo: pików, kierów, trefli i karo otrzymania wszystkich kolorów otrzymania dokładnie pików a ( b ( ( c ( ( ( (

Bardziej szczegółowo

Przestrzenie liniowe

Przestrzenie liniowe ALGEBRA LINIOWA 2 Wydział Mechaniczny / AIR, MTR Semestr letni 2009/2010 Prowadzący: dr Teresa Jurlewicz Przestrzenie liniowe Uwaga. W nawiasach kwadratowych podane są numery zadań znajdujących się w podręczniku

Bardziej szczegółowo

Metody Probabilistyczne zestaw do ćwiczeń Katarzyna Lubnauer

Metody Probabilistyczne zestaw do ćwiczeń Katarzyna Lubnauer Metody Probabilistyczne zestaw do ćwiczeń Katarzyna Lubnauer Model klasyczny prawdopodobieństwa.losowo ustawiam w szeregu klocki z literami MMAAATTYKE. Opisać przestrzeń zdarzeń elementarnych i obliczyć

Bardziej szczegółowo

MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ

MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ Opracowała: Milena Suliga Wszystkie pliki pomocnicze wymienione w treści

Bardziej szczegółowo

WYDZIAŁ ELEKTRONIKI MIKROSYSTEMÓW I FOTONIKI

WYDZIAŁ ELEKTRONIKI MIKROSYSTEMÓW I FOTONIKI Zał. nr do ZW WYDZIAŁ ELEKTRONIKI MIKROSYSTEMÓW I FOTONIKI KARTA PRZEDMIOTU Nazwa w języku polskim: Matematyka (Zao EA EiT stopień) Nazwa w języku angielskim: Mathematics Kierunek studiów (jeśli dotyczy):

Bardziej szczegółowo

WYKŁAD 2. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

WYKŁAD 2. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady WYKŁAD 2 Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady Metody statystyczne metody opisu metody wnioskowania statystycznego syntetyczny liczbowy opis właściwości zbioru danych ocena

Bardziej szczegółowo

EGZAMIN MATURALNY OD ROKU SZKOLNEGO

EGZAMIN MATURALNY OD ROKU SZKOLNEGO EGZAMIN MATURALNY OD ROKU SZKOLNEGO 014/015 MATEMATYKA POZIOM ROZSZERZONY PRZYKŁADOWY ZESTAW ZADAŃ DLA OSÓB SŁABOSŁYSZĄCYCH (A3) W czasie trwania egzaminu zdający może korzystać z zestawu wzorów matematycznych,

Bardziej szczegółowo

Ośrodkowość procesów, proces Wienera. Ośrodkowość procesów, proces Wienera Procesy Stochastyczne, wykład, T. Byczkowski,

Ośrodkowość procesów, proces Wienera. Ośrodkowość procesów, proces Wienera Procesy Stochastyczne, wykład, T. Byczkowski, Procesy Stochastyczne, wykład, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136 27 luty, 2012 Ośrodkowość procesów Dalej zakładamy, że (Ω, Σ, P) jest zupełną przestrzenią miarową. Definicja.

Bardziej szczegółowo

Prawdopodobieństwo

Prawdopodobieństwo Prawdopodobieństwo http://www.matemaks.pl/ Wstęp do rachunku prawdopodobieństwa http://www.matemaks.pl/wstep-do-rachunku-prawdopodobienstwa.html Rachunek prawdopodobieństwa pomaga obliczyć szansę zaistnienia

Bardziej szczegółowo

W czasie trwania egzaminu zdający może korzystać z zestawu wzorów matematycznych, linijki i cyrkla oraz kalkulatora.

W czasie trwania egzaminu zdający może korzystać z zestawu wzorów matematycznych, linijki i cyrkla oraz kalkulatora. Egzamin maturalny od roku szkolnego 2014/2015 Matematyka Poziom rozszerzony Przykładowy zestaw zadań dla osób słabowidzących (A4) W czasie trwania egzaminu zdający może korzystać z zestawu wzorów matematycznych,

Bardziej szczegółowo

Zadania o numerze 4 z zestawów licencjat 2014.

Zadania o numerze 4 z zestawów licencjat 2014. Zadania o numerze 4 z zestawów licencjat 2014. W nawiasie przy zadaniu jego występowanie w numerze zestawu Spis treści (Z1, Z22, Z43) Definicja granicy ciągu. Obliczyć granicę:... 3 Definicja granicy ciągu...

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

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

Bardziej szczegółowo

18. Obliczyć. 9. Obliczyć iloczyn macierzy i. 10. Transponować macierz. 11. Transponować macierz. A następnie podać wymiar powstałej macierzy.

18. Obliczyć. 9. Obliczyć iloczyn macierzy i. 10. Transponować macierz. 11. Transponować macierz. A następnie podać wymiar powstałej macierzy. 1 Czy iloczyn macierzy, które nie są kwadratowe może być macierzą kwadratową? Podaj przykład 2 Czy każde dwie macierze jednostkowe są równe? Podaj przykład 3 Czy mnożenie macierzy przez macierz jednostkową

Bardziej szczegółowo

EGZAMIN MATURALNY OD ROKU SZKOLNEGO 2014/2015 MATEMATYKA POZIOM ROZSZERZONY

EGZAMIN MATURALNY OD ROKU SZKOLNEGO 2014/2015 MATEMATYKA POZIOM ROZSZERZONY EGZAMIN MATURALNY OD ROKU SZKOLNEGO 014/015 MATEMATYKA POZIOM ROZSZERZONY PRZYKŁADOWY ZESTAW ZADAŃ DLA OSÓB Z AUTYZMEM, W TYM Z ZESPOŁEM ASPERGERA (A) W czasie trwania egzaminu zdający może korzystać z

Bardziej szczegółowo

EGZAMIN MATURALNY Z MATEMATYKI

EGZAMIN MATURALNY Z MATEMATYKI Arkusz zawiera informacje prawnie chronione do momentu rozpoczęcia egzaminu. MMA 2015 KOD UZUPEŁNIA ZDAJĄCY PESEL miejsce na naklejkę dysleksja EGZAMIN MATURALNY Z MATEMATYKI POZIOM ROZSZERZONY DATA: 8

Bardziej szczegółowo

rachunek prawdopodobieństwa - zadania

rachunek prawdopodobieństwa - zadania rachunek prawdopodobieństwa - zadania ogólna definicja prawdopodobieństwa, własności - 9.10.2011 1. (d, 1pkt) Udowodnić twierdzenie 2 tj. własności prawdopodobieństwa (W1)-(W7). 2. Niech Ω = [0, 1] oraz

Bardziej szczegółowo

Obliczanie prawdopodobieństwa za pomocą metody drzew metoda drzew. Drzewem Reguła iloczynów. Reguła sum.

Obliczanie prawdopodobieństwa za pomocą metody drzew metoda drzew. Drzewem Reguła iloczynów. Reguła sum. Obliczanie prawdopodobieństwa za pomocą metody drzew Jeżeli doświadczenie losowe składa się z więcej niż jednego etapu, takich jak serie rzutów kostką lub monetą, zastosowanie klasycznej definicji prawdopodobieństwa

Bardziej szczegółowo

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna. Wykład 4 Rozkłady i ich dystrybuanty Dwa typy zmiennych losowych Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x, x 2,...}, to mówimy, że jest to zmienna dyskretna.

Bardziej szczegółowo

Wykład 9: Markov Chain Monte Carlo

Wykład 9: Markov Chain Monte Carlo RAP 412 17.12.2008 Wykład 9: Markov Chain Monte Carlo Wykładowca: Andrzej Ruciński Pisarz: Ewelina Rychlińska i Wojciech Wawrzyniak Wstęp W tej części wykładu zajmiemy się zastosowaniami łańcuchów Markowa

Bardziej szczegółowo

KURS PRAWDOPODOBIEŃSTWO

KURS PRAWDOPODOBIEŃSTWO KURS PRAWDOPODOBIEŃSTWO Lekcja 2 Klasyczna definicja prawdopodobieństwa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowiedź (tylko jedna jest prawdziwa). Pytanie 1 Według klasycznej

Bardziej szczegółowo

METODY BADAŃ NA ZWIERZĘTACH ze STATYSTYKĄ wykład 3-4. Parametry i wybrane rozkłady zmiennych losowych

METODY BADAŃ NA ZWIERZĘTACH ze STATYSTYKĄ wykład 3-4. Parametry i wybrane rozkłady zmiennych losowych METODY BADAŃ NA ZWIERZĘTACH ze STATYSTYKĄ wykład - Parametry i wybrane rozkłady zmiennych losowych Parametry zmiennej losowej EX wartość oczekiwana D X wariancja DX odchylenie standardowe inne, np. kwantyle,

Bardziej szczegółowo

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n)

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n) MODELE STATYSTYCZNE Punktem wyjścia w rozumowaniu statystycznym jest zmienna losowa (cecha) X i jej obserwacje opisujące wyniki doświadczeń bądź pomiarów. Zbiór wartości zmiennej losowej X (zbiór wartości

Bardziej szczegółowo

1 Zmienne losowe wielowymiarowe.

1 Zmienne losowe wielowymiarowe. 1 Zmienne losowe wielowymiarowe. 1.1 Definicja i przykłady. Definicja1.1. Wektorem losowym n-wymiarowym(zmienna losowa n-wymiarowa )nazywamywektorn-wymiarowy,któregoskładowymisązmiennelosowex i dlai=1,,...,n,

Bardziej szczegółowo

Kwantyle. Kwantyl rzędu p rozkładu prawdopodobieństwa to taka liczba x p. , że. Możemy go obliczyć z dystrybuanty: P(X x p.

Kwantyle. Kwantyl rzędu p rozkładu prawdopodobieństwa to taka liczba x p. , że. Możemy go obliczyć z dystrybuanty: P(X x p. Kwantyle Kwantyl rzędu p rozkładu prawdopodobieństwa to taka liczba x p, że P(X x p ) p P(X x p ) 1 p Możemy go obliczyć z dystrybuanty: Jeżeli F(x p ) = p, to x p jest kwantylem rzędu p Jeżeli F(x p )

Bardziej szczegółowo

ZAGADNIENIA NA EGZAMIN POPRAWKOWY Z MATEMATYKI W KLASIE III TECHNIKUM.

ZAGADNIENIA NA EGZAMIN POPRAWKOWY Z MATEMATYKI W KLASIE III TECHNIKUM. ZAGADNIENIA NA EGZAMIN POPRAWKOWY Z MATEMATYKI W KLASIE III TECHNIKUM. I GEOMETRIA ANALITYCZNA 1. Równanie prostej w postaci ogólnej i kierunkowej powtórzenie 2. Wzajemne położenie dwóch prostych powtórzenie

Bardziej szczegółowo

Rachunek prawdopodobieństwa w grach losowych.

Rachunek prawdopodobieństwa w grach losowych. Rachunek prawdopodobieństwa w grach losowych. Lista zawiera kilkadziesiąt zadań dotyczących różnych gier z użyciem kart i kości, w tym tych najbardziej popularnych jak brydż, tysiąc itp. Kolejne zadania

Bardziej szczegółowo

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu Wykład 11-12 Centralne twierdzenie graniczne Statystyka matematyczna: Estymacja parametrów rozkładu Centralne twierdzenie graniczne (CTG) (Central Limit Theorem - CLT) Centralne twierdzenie graniczne (Lindenberga-Levy'ego)

Bardziej szczegółowo

Procesy stochastyczne

Procesy stochastyczne Wykład 13 Procesy stochastyczne Procesy stochastyczne X(t) Proces stochastyczny to funkcja losowa X(t), czyli funkcja, której wartości X leŝą w przestrzeni zdarzeń losowych. Najprostszym przykładem procesu

Bardziej szczegółowo

Zadanie 2. Wiadomo, że A, B i C są trzema zdarzeniami losowymi takimi, że P (A) = 2/5, P (B A) = 1/4, P (C A B) = 0.5, P (A B) = 6/10, P (C B) = 1/3.

Zadanie 2. Wiadomo, że A, B i C są trzema zdarzeniami losowymi takimi, że P (A) = 2/5, P (B A) = 1/4, P (C A B) = 0.5, P (A B) = 6/10, P (C B) = 1/3. Zadanie 1. O zdarzeniach A, B, C z pewnej przestrzeni uzyskaliśmy informacje, iż P (A B C) = 0.6, P (B A C) = 0.3 oraz P (C A B) = 0.9. Obliczyć P [A B C (A B) (A C) (B C)]. Odp. 9/37 Zadanie 2. Wiadomo,

Bardziej szczegółowo

O MACIERZACH I UKŁADACH RÓWNAŃ

O MACIERZACH I UKŁADACH RÓWNAŃ O MACIERZACH I UKŁADACH RÓWNAŃ Problem Jak rozwiązać podany układ równań? 2x + 5y 8z = 8 4x + 3y z = 2x + 3y 5z = 7 x + 8y 7z = Definicja Równanie postaci a x + a 2 x 2 + + a n x n = b gdzie a, a 2, a

Bardziej szczegółowo

Instytut Matematyczny Uniwersytet Wrocławski. Zakres egzaminu magisterskiego. Wybrane rozdziały anazlizy i topologii 1 i 2

Instytut Matematyczny Uniwersytet Wrocławski. Zakres egzaminu magisterskiego. Wybrane rozdziały anazlizy i topologii 1 i 2 Instytut Matematyczny Uniwersytet Wrocławski Zakres egzaminu magisterskiego Wybrane rozdziały anazlizy i topologii 1 i 2 Pojęcia, fakty: Definicje i pojęcia: metryka, iloczyn skalarny, norma supremum,

Bardziej szczegółowo

Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji

Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji Adam Kiersztyn Lublin 2014 Adam Kiersztyn () Pochodne cząstkowe i ich zastosowanie. Ekstrema lokalne funkcji maj 2014 1 / 24 Zanim przejdziemy

Bardziej szczegółowo

Zdarzenie losowe (zdarzenie)

Zdarzenie losowe (zdarzenie) Zdarzenie losowe (zdarzenie) Ćw. 1. Ze zbioru cyfr (l, 2,3,..., 9} losowo wybieramy jedną. a) Wypisz zdarzenia elementarne, sprzyjające: zdarzeniu A, że wybrano liczbę parzystą zdarzeniu B, że wybrano

Bardziej szczegółowo

Procesy stochastyczne

Procesy stochastyczne Projekt pn. Wzmocnienie potencjału dydaktycznego UMK w Toruniu w dziedzinach matematyczno-przyrodniczych realizowany w ramach Poddziałania 4.1.1 Programu Operacyjnego Kapitał Ludzki Procesy stochastyczne

Bardziej szczegółowo

Wyznaczniki. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 6. Wykład z algebry liniowej Warszawa, listopad 2013

Wyznaczniki. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 6. Wykład z algebry liniowej Warszawa, listopad 2013 Wyznaczniki Mirosław Sobolewski Wydział Matematyki, Informatyki i Mechaniki UW 6. Wykład z algebry liniowej Warszawa, listopad 2013 Mirosław Sobolewski (UW) Warszawa, listopad 2013 1 / 13 Terminologia

Bardziej szczegółowo

Metody Probabilistyczne zestaw do ćwiczeń Katarzyna Lubnauer

Metody Probabilistyczne zestaw do ćwiczeń Katarzyna Lubnauer Metody Probabilistyczne zestaw do ćwiczeń Katarzyna Lubnauer Model klasyczny prawdopodobieństwa. Losowo ustawiam w szeregu klocki z literami MMAAATTYKE. Opisać przestrzeń zdarzeń elementarnych i obliczyć

Bardziej szczegółowo

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie Politechnika Wrocławska, Wydział Informatyki i Zarządzania Modelowanie Zad Wyznacz transformaty Laplace a poniższych funkcji, korzystając z tabeli transformat: a) 8 3e 3t b) 4 sin 5t 2e 5t + 5 c) e5t e

Bardziej szczegółowo