Konspekt wykładu STATYSTYKA MATEMATYCZNA rok 2007/2008 Strona 1

Wielkość: px
Rozpocząć pokaz od strony:

Download "Konspekt wykładu STATYSTYKA MATEMATYCZNA rok 2007/2008 Strona 1"

Transkrypt

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 rozładu prawdopodobeństwa warue uormowaa prawdopodobeństw cyfry z umerów telefoów wypad erowców lońsch autobusów przyład zmeej losowej o esończoej lczbe moŝlwych wartośc strybuata sreta zmea losowa rozład jedostajy cągła zmea losowa ostrucja gęstośc przez podwóje przejśce gracze uormowae, strybuata rysue rozładu terpretacja grafcza przyład: cągły rozpad czas oczewaa a metro rozład, strybuata, rysu przyład: prawo rozpadu jąder promeotwórczych rozład, strybuata, rysu Uład pewów rachuu prawdopodobeństwa Zadae Cztery osoby, opatrzoe umeram, 3, sadają przypadowo a trzech rzesłach ozaczoych tym samym umeram Wypsz postać wszystch zdarzeń elemetarych Zajdź prawdopodobeństwo P, Ŝe lczba,,,3 osób usądze a swoch rzesłach Przyła przestrze zdarzeń elemetarych: rzucając jedorote moetą (e oecze rzetelą), moŝemy otrzymać bądź orła bądź reszę mamy do czyea z dwoma zdarzeam elemetarym oe budują całą przestrzeń Jeśl wyoamy dwa oleje rzuty, przestrzeń rozrasta sę do czterech elemetów, będących param zdarzeń: (orzeł, orzeł), (orzeł, resza), (resza, orzeł) (resza, resza); losując z Rocza Statystyczego dowola lczbę wyberając jej perwszą cyfrę, przestrzeń Ω zdefowaa jest przez dzewęć elemetów, zwaych,,, 9; wyberając dowolą cyfrę z sąŝ telefoczej, poruszamy sę w przestrze Ω dzesęcu zdarzeń elemetarych; w losowau szczęślwych umerów totolota, aŝda szósta lczb spośród czterdzestu dzewęcu staow zdarzee elemetare Przestrzeń ta słada sę z elemetów dom w czase burzy moŝe być trafoy przez poru jede, dwa, trzy, razy, ja róweŝ moŝe omąć go to wydarzee Przestrzeń zdarzeń elemetarych słada sę ze zdarzeń zadających rotość ścągęca wyładowaa atmosferyczego a wybray bue Choć trudo am sobe wyobrazć, Ŝe dom zostae trafoy esończoa lczbę razy, to jeda moŝemy sobe wyobrazć, Ŝe astąp to p razy, a jeśl dopuścmy trafeń, to a pewo zgodzmy sę a, td ; lczba lat Ŝyca, jae ma przed sobą aŝ oworode, moŝe przyjmować wartośc,,, 3, KaŜda z tych lczb opsuje zdarzee elemetare przestrzeń zdarzeń, jach dośwadczamy oczeując a tasówę KaŜ z jej elemetów ma postać cągu, w tórym występuje pewa lczba (taŝe będąca zerem) zdarzeń esprzyjających, zaończoych jem zdarzeem sprzyjającym we pary małŝoów opsujemy parą lczb (,j), gdze to lczba lat przeŝytych przez ą, a j to lczba lat przeŝytych przez ego Przestrzeń zdarzeń elemetarych jest tu sreta dwuwymarowa; czas oczewaa a wyśwetlee stroy WWW moŝe być dowolą lczbą dodatą KaŜda taa lczba prezetuje sobą zdarzee elemetare, a zdarzeń tych mamy esończoą lczbę e są oe srete; przy grze w strzał, zdarzeem elemetarym jest trafee w tarczę aŝde tae zdarzee moŝemy opsać przy pomocy pary lczb p przez podae współrzęch artezjańsch (,y), ale teŝ promea r ąta azymutalego ϕ w wybraym uładze odesea Zdarzea losowe: ostruujemy przy pomocy operacj teoromogoścowych, tj praw: przemeośc: A B B A, A B B A, łączośc:, A B C A B C A B C A B C A B C A B C, de Morgaa: A B A B, A B A B, rozdzelośc: A ( B C) ( A B) ( A C), A ( B C) ( A B) ( A C) Zdarzea losowe: pewe emoŝlwe Pew KaŜdemu zdarzeu losowemu A przypsujemy lczbę P(A), zwaą prawdopodobeństwem tego zdarzea, tóra jest eujemą mejszą bądź rówą jedośc: P(A) Pew Prawdopodobeństwo zdarzea pewego jest rówe jedośc: P(Ω) Pew 3 Prawdopodobeństwo u esluzywych zdarzeń losowych A oraz B, czyl tach, dla tórych A B, jest rówe sume prawdopodobeństw tych zdarzeń: P(A B) P(A) + P(B) P A P A (bo: A (e A) Ω) Prawo dodawaa prawdopodobeństw:

2 Kospet wyładu STATYSTYKA MATEMATYCZNA ro 7/8 Stroa Prawdopodobeństwo sumy zdarzeń erozłączych: P ( A B) P ( A) + P ( B) P ( A B) ( ) Ω A A B B A A B A A B A B A B A B A B Koleje zdarzea są rozłącze, węc: P ( A B) + P ( A B) + P ( A B) + P ( A B) a poewaŝ: A A Ω A ( B B) ( A B) ( A B), czyl: P ( A) P ( A B) + P ( A B) P ( A B) P ( A) P ( A B) Podobe: B Ω B ( A A) B ( A B) ( A B) czyl: P ( B) P ( A B) + P ( A B) P ( A B) P ( B) P ( A B) Dalej aleŝy podstawć sorzystać z: P ( A B) P ( A B) P ( A B) Asjomatycze podejśce e mów ja wygląda przestrzeń zdarzeń elemetarych le wyoszą prawdopodobeństwa te trzeba oreślć samemu Prawdopodobeństwo waruowe Problem te zaczyam od omówea trzech typów zdarzeń: Wzmacae prawdopodobeństwa przez warue: (przyjdę a wyład moje og w sal wyładowej w godze wyładu); (blo błęte oczy), ( 6 parzysta lczba ocze), (ra płuc palacz paperosów) Osłabae prawdopodobeństwa przez warue: (bruet błęte oczy), (obeta uczeca techum samochodowego) Neutralość waruu: (ja łamę ogę studet łame ogę), ( 6 a ostce poedzałe), Rysuję ratę moŝlwośc: wszyscy ludze (w lczbe N) to: męŝczyź (w lczbe M) daltośc (w lczbe M D ) bez tej przypadłośc (w lczbe M N ) oraz obety (w lczbe K) daltost (w lczbe K D ) obety bez tej przypadłośc (w lczbe K N ), astępe borę studeta aŝę mu apsać dowoly wybray przez ego stosue dwóch lczb zterpretować go jao prawdopodobeństwo Zwracam uwagę a rozróŝee mędzy: losowo wybraa osoba jest, a losowo wybraa obeta jest Defcja prawdopodobeństwa waruowego: P(A B) P(A B)P(B) Zadae Grupa studetów zdaje egzam z matematy ze statysty Matematyę zdało (zdarzee M) 75% zaś statystyę (zdarzee S) 7% studetów Wadomo taŝe, Ŝe oba egzamy zdało 6% studetów Wyzacz prawdopodobeństwa zdarzeń: P(M S) - studet zdał matematyę, jeśl zdał statystyę, P(S M) - studet zdał statystyę, jeśl zdał matematyę, 3 P(e M S) - studet e zdał matematy, jeśl zdał statystyę, 4 P(e S M) - studet e zdał statysty, jeśl zdał matematyę, 5 P(M e S) - studet zdał matematyę, jeśl e zdał statysty, 6 P(S e M) - studet zdał statystyę, jeśl e zdał matematy, 7 P(e S e M) - studet e zdał statysty, jeśl e zdał matematy, 8 P(e M e S) - studet e zdał matematy, jeśl e zdał statysty Rozwązae P ( M S ),6 6 P ( M S ), P S,7 7 P ( S M ) ( S ) P ( M ) P M,6 4,,75 5 6, 7 7 P S M 4, P ( M S ) P ( M S ) 4 P ( S M ) P M S P S M P M S P ( S ) P ( S ) ( ) P ( S ) P M S P S M P M P S M P M,8, 75,5,7,3 6 7 P M S P M S P S P M S P S 7,, 75, 5 5 P ( M ) P ( S ) P ( M ) P ( S ) ( ) P ( M ) P M S P M S, 75, 7 +, 6,5,3,3

3 Kospet wyładu STATYSTYKA MATEMATYCZNA ro 7/8 Stroa 3 P S M P ( M ) P ( M ) P M S P M S, 75, 7 +, 6,5 3,5,5 5 Prawo moŝea prawdopodobeństw: P ( A B) P ( A B) P ( B) P ( B A) P ( A) Twerdzee Bayesa Wzór a prawdopodobeństwo całowte wyweść formułę odwołując sę do zboru zdarzeń rozłączych wyczerpujących: P ( A) P ( A B ) P ( B ) Zadae N zdarzee: adao bt, N zdarzee: adao bt, O zdarzee: odebrao bt, O zdarzee: odebrao bt Prawdopodobeństwo zeształcea: ε ( P(O N ) P(O N )), prawdopodobeństwo p ( P(N )) wysył btu Ile wyos prawdopodobeństwo poprawego odboru? Ile wyos prawdopodobeństwo P(O ) odboru btu? Twerdzee Bayesa Zadae Jede z testów obecośc w rw wrusa HIV wyazuje pozytywy rezultat w 97% przypadów osób zaraŝoych tą chorobą myle wsazuje a jego obecość w rw osób zdrowych w,4% przypadów Jae jest prawdopodobeństwo, Ŝe osoba u tórej wyryto tym testem obecość wrusa HIV jest fatycze chora, jeśl wadomo Ŝe,5% populacja cerp a tę chorobę? Rozwązae Nech: P(C) ozacza prawdopodobeństwo, Ŝe losowo wybraa osoba jest chora P(C),5, P(Z) ozacza prawdopodobeństwo, Ŝe losowo wybraa osoba jest zdrowa: P(Z) - P(C), P(+) ozacza prawdopodobeństwo, Ŝe test daje wy pozytywy, P(+ C) prawdopodobeństwo waruowe: u chorej osoby test pozytywy: P(+ C),97, P(+ Z) prawdopodobeństwo waruowe: u chorej osoby test pozytywy: P(+ Z),4, Poszuujemy P(C +), czyl prawdopodobeństwo waruowe, Ŝe osoba u tórej test dał pozytywą odpowedź jest fatycze chora Z twerdzea Bayesa mamy: P P C + ( + C) P( C) P ( + ) P( + C) P( C), 97, 5 ( + ) + ( + ), 97, 5 +, 4 (, 5) P C P C P Z P Z P Twerdzee Bayesa w pełej forme ( A B ) P ( B ) P B A j ( j ) P ( B j ) P A B, 55 Zdarzea ezaleŝe Zadae Oto (jaoby prawdzwa) hstoryja Dwóch studetów w przeddzeń olowum z rachuu prawdopodobeństwa utracło umar zabawało sę zbyt długo a mpreze suto zaprawaej aloholem PoewaŜ zaspal e stawl sę a olowum, astępego da usprawedlwal sę przed wyładowcą, tłumacząc, Ŝe e zdąŝyl dojechać, gŝ ch samochód złapał gumę Wyładowca zgodzł sę urządzć m wduale olowum Ozaczoego da posadzł ch w róŝych poojach aŝdemu z ch wręczył artę z zadaam Na artce było tylo jedo pytae: tóre oło mało gumę? Ile wyos prawdopodobeństwo zgodej odpowedz studetów? ezaleŝość statystycza zdarzeń prawdopodobeństwo loczyu zdarzeń ezaleŝych Zadae Day jest zbór lczb całowtych,,3,, Ile wyos prawdopodobeństwo, Ŝe wybraa z tego zboru lczba a chybł-trafł jest podzela przez 3? Ile wyos prawdopodobeństwo, Ŝe wybraa z tego zboru lczba a chybł-trafł jest podzela przez 7? Ile wyos prawdopodobeństwo, Ŝe wybraa z tego zboru lczba a chybł-trafł jest podzela zarówo przez 3 ja przez 7? Czy zdarzee: wybraa a chybł-trafł lczba podzela jest przez 3 jest statystycze ezaleŝe od zdarzea: wybraa a chybł-trafł lczba podzela jest przez 7? RozwaŜ to samo zadae, g zbór lczb rozszerzymy o lczbę Zdarzea rozłącze to zdarzea statystycze zaleŝe!!! prawdopodobeństwo sumy ezaleŝych statystycze zdarzeń Zadae Prawdopodobeństwo p zestrzelea samolotu jem strzałem z jedego dzała wyos, Zajdź prawdopodobeństwo zestrzelea salwą ze stu ezaleŝe jedocześe strzelających dzał Rozła fucj zmeych losowych przeształcee jedozacze Zadae

4 Kospet wyładu STATYSTYKA MATEMATYCZNA ro 7/8 Stroa 4 Dysreta zmea losowa opsaa jest rozładem: P( ) ¼, P( ) /8, P( ) /8 P( ) ½ Podaj rozład zmeej losowej m Zmea cągła Zadae Oblcz całę: s d Rozład prędośc cząstecze gazu dosoałego (rozład Mawella): 3 m m 4π ep, f π T < T Jaą ma postać rozład eerg E etyczej tych cząstecze? Wypszmy wyraŝee a strybuatę tego rozładu wyraźmy ją przez eerge etyczą 3 v 3 v m m e F ( v) P ( v) f ( ) d 4π ep d e m ; ; d de π T T m me sąd: E E m e e e 4π ep de e ep de P ( e E) F ( E ), π T m T me 3 π T g E Ogóle formale sąd ( T ) 3 ( T ) df E E E ep de π T Do domu: udowodć uormowae!!! h ( u) z y w( z) y dh ( ) ( ), F z f d u h w f h u du g u du P u y F y du dh w( ) y d du du co często zapsujemy proścej jeśl przeształcee zapszemy w forme ( y) df dh g ( y) f ( h ( y) ), d g y f y, Zadae Day jest uład wadratów o bou, tóry ma rozład jedostajy w przedzale [; ] Zajdź rozład powerzch S tych wadratów Naszcuj te rozład Zmea zadaa przez strybuatę y F h y F y oraz Nech, gdze F ( ) jest strybuatą pewego rozładu f ( ), wte d df g ( y) f ( ( y) ) f ( ( y) ) f ( ( y) ) f ( ( y) ) df f ( ( y) ) d F ( y) Nech f ( ) λ ep( λ) Wte y F ( ) λ ep ( λ ') d ' ep( λ) Ta węc, jeśl zmea ma rozład wyładczy, to zmea y ma rozład jedostajy, a tym samym odwrote, jeśl zmea y ma rozład jedostajy, to zmea l ( y ) λ będze mała rozład wyładczy oreśloy parametrem λ Zasadz przy zamae zmeej ujema pochoda ejedozaczość rozwązań Przyład d Oblcz całę ( )

5 Kospet wyładu STATYSTYKA MATEMATYCZNA ro 7/8 Stroa 5 Rozwązae y + ( ) d y ( y) y ( y) y y y d Przyład Day jest rozład f ( ), < a a a ( ) Wyzacz rozład zmeej y a Rozwązae d g ( y) f ( ( y) ), a y ay <, co zapsujemy w postac d g ( y) f ( ( y) ), y a ay < + + Przyład Dysreta zmea losowa opsaa jest rozładem: P( ) ¼, P( ) /8, P( ) /8 P( ) ½ Podaj rozład zmeej losowe m Przyład Rozład Gaussa N(; µ, σ), parametry, uormowae Wprowadzć pojęce rozładu stadaryzowaego: N(z;, ) Wyzaczamy rozład zmeej losowej y dla rozładu stadaryzowaego N(;, ) Odwracae zaleŝośc y prowadz as do dwóch wyraŝeń: y, g jest ujeme, oraz y, g jest dodate G zmea jest ujema, fucja rozładu przeształca sę wg formuły: d g ( y) N ( ( y) ;,) N ( y;, ), y y < co odwracając grace, zapszemy jao g ( y) N ( y;, ), y < y Dla obszaru dodatch wartośc mamy bez omplacj: g ( y) N ( y;, ), y < y Ostateczy wy otrzymujemy sumując: g ( y) N ( y;, ) + N ( y;, ) ( N ( y;, ) + N ( y;, )) N ( y;,) y y y y Otrzymalśmy tzw rozład χ o jem stopu swobo Wzór ogóly: d d d g ( y) f ( ( y) ) + f ( ( y) ) + + f ( ( y) ) gdze ( y ) to oleje rozwązaa rówaa y h ( ) Wartość oczewaa średa wartość oczewaa średa zmeej sretej przyład z lczbą dzec przejśce gracze Zadae Koło rulet w Las Vegas ma 38 pól poumerowaych,,,,, 36 Jeśl grający postaw dolara a jedą z 36 lczb ta lczba wypade, otrzymuje zwrot swego dolara, ja róweŝ dodatowo 35 dolarów, w przecwym raze trac postawoego dolara Ile wyos oczewaa wygraa w tam systeme? wartość oczewaa sretej zmeej losowej z rozładu jedostajego - wartość oczewaa e mus być lczbą całowtą! (przyład - oczewaa lczba ocze a ostce) wartość oczewaa zmeej losowej z rozładu dwumaowego wartość oczewaa średa cągłej zmeej losowej przejśce gracze wartość oczewaa cągłej zmeej losowej z rozładu jedostajego wartość oczewaa zmeej losowej z rozładu Gaussa wartość oczewaa fucj w() zmeej losowej Dygresja matematycza ja róŝczujemy fucję odwrotą: Nech y h (), le wyos pochoda /d dh ()/d?

6 Kospet wyładu STATYSTYKA MATEMATYCZNA ro 7/8 Stroa 6 dh h h lm lm lm d y y h ( y ) h ( y) dh ( y) h ( ) h ( ) y y Przyład: y h () tg () arctg(), czyl h(y) tg(y) d arctg ( ) cos ( y) arctg d y d tg + ( y) + tg y y arctg( ) cos y arctg y arctg y Nech podlega rozładow f() Wprowadzamy zmeą y daą zwązem y w() h - (), czyl h(y), dh sąd zajdujemy rozład g ( y) f h ( y) y poszuujemy wartośc oczewaej z defcj: dh dh yg ( y) yf ( h ( y) ) y w( ), h ( y), d d dh d dh w f d w f d w ( ) dh wartość oczewaa pola wadratów a dwa sposoby Pomar pola S µ powerzch wadratu o dołam bou µ Rezultat pomaru:, przy czym µ Nech podlega rozładow jedostajemu f ( ), µ µ + Wyzaczamy pole wadratu Ŝ Ile wyos wartość oczewaa Ŝ ta wyzaczoego pola powerzch? Wyzaczmy ajperw fucję rozładu g(s) pola powerzch d g ( S ) f ( ( S )), ds S 4 S oblczmy wartość oczewaą Sˆ A teraz bezpośredo ( µ + ) ( µ + ) S ( µ + ) 3 3 ds SdS S S ( µ ) ( µ ) µ 4 S µ 6 3 ( µ ) ( µ ) + + µ + µ + ˆ 3 S d µ + 6 µ 3 µ defcja ezaleŝośc statystyczej zmeych losowych wartość oczewaa ombacj lowej zmeych losowych: z a + by + c: <z> a<> + b<y> + c defcja pojęca prób prostej wartość średa z prób prostej jao estymator wartośc oczewaej µ µ µ wartość oczewaa dzwej średej arytmetyczej ɶ statysty, estymatory estymaty medaa wartość oczewaa y h ( ) medaa moda jao mary cetralośc Waracja, spersja epewość stadardowa σ defcja waracj spersj cągłej sretej zmeej erówość Czebyszewa P c µ εh ε alteratywa postać: V() - waracja zmeej losowej z rozładu dwumaowego

7 Kospet wyładu STATYSTYKA MATEMATYCZNA ro 7/8 Stroa 7!! m p p p ( p)!! ( )!( )! m + ( )! m m ( m) m m m p m + p p p + p p +!! a stąd: ( ) ( ( ) ) ( ) V p p + p p p + p p p waracja cągłej zmeej losowej z rozładu jedostajego waracja zmeej losowej z rozładu Gaussa Ja całować? Wsazówa z postac rozładu mamy: π di I ( α ) ep( α ) d, gdze α, a stąd: ep ( ) d α σ α dα waracja ombacj lowej ezaleŝych statystycze zmeych losowych waracja średej arytmetyczej waracja dzwej średej arytmetyczej wartość oczewaa wadratu odchylea stadardowego estymator eobcąŝoy obcąŝoy przypomeć przyład z wartoścą oczewaą pola wadratu, gresja o welośc S ( ) V ( ) 4 3 s V ( ) ( ) średa waŝoa przypomee zgodość statystycza pomarów (cału turyńs) Momety fucj zmeych losowych pomary złoŝoe złoŝoa epewość stadardowa przypade jedej fucj jedej zmeej rozwęce do wyrazów lowych Merzymy welość fzyczą µ W rezultace pomaru otrzymujemy zmeą losową o rozładze f(), wartośc µ g µ ocey waracj tej welośc oczewaej µ oraz waracj V() Poszuujemy ocey welośc RozwaŜmy fucję g(), tórą rozwemy woół putu µ do wyrazów lowych włącze dg g ( ) g ( µ ) + ( µ ) g ( µ ) + g '( µ )( µ ) d µ oblczmy wartość oczewaą obu stro g g µ + g ' µ µ g µ ( ) ( ) ( ) Wdzmy, Ŝe poszuwaa welość µ g ( µ ) wyos µ g ( µ ) g ( ) W dośwadczeu: Oblczymy teraz warację W dośwadczeu: ˆ µ g ( '( µ )) ( µ ) '( µ ) ( ) ( ( )( )) V ˆ µ g g g µ + g ' µ µ g µ g ' µ µ ( ) g g V ( µ ) ˆ ( µ ) Dˆ V s g s ˆ ˆ ˆ µ ' złoŝoa epewość stadardowa przypade jedej fucj statystycze ezaleŝych zmeych Kowecje dotyczące zapsu ˆ µ ± s reguły cytowaa wyów V ( s ) V V ( ) 3 V 3 s Dla rozładu Gaussa ( ) σ 3 4 σ 4 V 3 3 σ σ 3 3 V s ( ) ( ) PoewaŜ, dla y, D(y) <>D(), węc D(s ) σd(s ), sąd D(s ) D(s )/(σ), czyl

8 Kospet wyładu STATYSTYKA MATEMATYCZNA ro 7/8 Stroa 8 D s σ σ σ σ ( ) e mary rozproszea odchylee średe, odstęp mędzywartylowy, FWHM Rozład dwumaowy próba Beroullego schemat Beroullego rozład ujemy dwumaowy bądź dwumaowy postać rozładu dwumaowego przyład z lczbą studete wśród studetów przyład z lczbą chłopców w rodzach welodzetych Zmea ˆ p u l B l p + ( ) l ( p) l + l ( p) p własośc rozładu dwumaowego ormalzacja, moda, ształt Pewa la lotcza stwerdzwszy, Ŝe 96% upujących blety pojawa sę a lotsu, przyjęła poltyę polegającą a sprzedaŝy stu bletów a samolot, tóry ma tylo 98 mejsc Ile wyos prawdopodobeństwo, Ŝe wszyscy, tórzy przyjdą a lotso, zajdą mejsce w samoloce? Rozwązae Lczba 96% podpowada am, Ŝe losowo wybray let tej frmy staw sę a lotsu z prawdopodobeństwem p,96 Sto sprzedaych bletów to lczba prób, jae podejme stu pasaŝerów Tym samym, lczba osób, tóre przybędą a lotso, oreśloa jest rozładem dwumaowym, o ta właśe oreśloych parametrach Wszyscy, tórzy pojawą sę a lotsu, odlecą, o le chętych będze co ajwyŝej tylu, le jest mejsc w samoloce Prawdopodobeństwo taego zdarzea oreśloa jest przez 98! 99! P ( 98 ) B (, p) B 99 (, p) B (, p) p ( p) p, 93 99!!!! Poltya przyjęta przez le lotczą ozacza śwadome godzee sę a to, Ŝe w przyblŝeu raz a rejsów, jej przedstawcel a lotsu będze musał przepraszać rozserdzoego pasaŝera, przy czym raz a ooło 6 rejsów będze to dwóch wyprowadzoych z rówowag pasaŝerów własośc rozładu dwumaowego estymacja parametru p momety wartość oczewaa spersja ułame lczby studetów epalących, ułame lczby głosujących, estymator parametru p: pˆ / estymator s waracj V() p( p) zmeej losowej z rozładu dwumaowego Spróbujmy ( ) s pˆ pˆ oblczmy wartość oczewaą ˆ ( ˆ ) ( ˆ ˆ s p p p p ) p p ( V ( ) p ) + p ( p ( p) + p ) p ( p) p p p + p p p stąd: s ˆ ( ˆ p p) s ˆ ˆ ˆ p p p przyład czy steje uprzywlejoway erue obrotu wru wodego w wae; P 35 65, 998 estymator waracj estymatora p test 3σ: ( ) postace gracze rozładu dwumaowego rozład Gaussa Possoa bez wyprowadzea Rozład wyładczy czas oczewaa a przejazd samochodu przyład wyprowadzee postac rozładu wyładczego z rozładu geometryczego parametr λ oraz τ t W rozładze geometryczym: P ( > ) ( p), jeśl jeda p λ t λ, to; λt λ P P t e E t; λ λe λt t ( > ) ( t > ), a stąd strybuata F t e λt, a węc rozład przyład z rozpadem promeotwórczym wyprowadzee ze szolego prawa rozpadu Czas oczewaa w ocy a wezwae aret pogotowa a pogotowu ratuowym rządzoy jest rozładem wyładczym, przy czym typowy odstęp czasowy medzy olejym wezwaam wyos jedą godzę Ile wyos prawdopodobeństwo, Ŝe pełący Ŝur learz pogotowa będze sę mógł ceszyć przyajmej

9 Kospet wyładu STATYSTYKA MATEMATYCZNA ro 7/8 Stroa 9 dwema godzam su bez przerwy? (Odpowedź:,353) wartość oczewaa spersja przypomeć (były wyprowadzoe) estymator parametru τ bra pamęc w rozładze wyładczym przypomeć było przy prawdopodobeństwach waruowych P (( t > t + T ) ( t > T )) P ( t > t + T ) ep( λ ( t + T )) P ( t > t + T t > T ) ep( λt) P ( t > t) P t > T P t > T ep λt co jest rówowaŝe rówau fucyjemu f( + y) f()f(y) wyresy przeŝywalośc rót ometarz Rozład Possoa rozład lczby przejeŝdŝających samochodów w zadaym przedzale czasu oczewaa Podstawowa własość rozładu Possoa (bez dowodu): jeśl czas oczewaa a zdarzee podlega rozładow wyładczemu z parametrem tesywośc λ, to lczba zdarzeń w zadaym czase t oreśloa jest rozładem Possoa z parametrem λt wyprowadzee postac rozładu Possoa z rozładu dwumaowego przez przejśce gracze Prawdopodobeństwo dołade zdarzeń:! B (, p) p ( p) ( )( )( + ) p ( p)!!! t Nech: p λ, wte: (, ) B + λt λt p λt! Przejśce gracze dostarcza rozładu Possoa Iterpretacja parametru λ (ja w rozładze wyładczym) przyład z rozpadem promeotwórczym esperymet Rutherforda Gegera u l! P µ l µ µ ( ) zmea wartość oczewaa spersja przypomeć (były wyprowadzoe) estymatory wartośc oczewaej waracj wymusć odwołując sę do astępego zadaa Zadae Przy zlczau bałych całe rw pod mrosopem, w polu wdzea typowo zajdujemy 4 tach całe w rw zdrowego człowea W jedej z próbe rw zalezoo 3 całe Czy moŝemy tae odstępstwo potratować jao flutuację statystyczą? Zadae W pewym meśce lmat jest a tyle ustablzoway, Ŝe prawdopodobeństwo uderzea porua w loaly drapacz chmur e zaleŝy od da rou Operator w w tym drapaczu zauwaŝył, Ŝe pewego rou było łącze 34 d, w tórych bue e był trafoy przez poru Ile, wg Twojej ocey, było d, w tórych poru trafł bue węcej Ŝ jede raz? Jaa jest epewość tej ocey? Rozwązae Przyjmemy model rozładu Possoa z parametrem µ oreślającym przecętą lczbę trafeń porua w bue Prawdopodobeństwo brau trafea przez poru daego da dae jest wyraŝeem: P bg µ ep b µ g, a estymator tej welośc day jest przez: pˆ ep ( ˆ µ ) ˆ µ l l, Nepewość: d ˆ µ pˆ s ˆ ˆ ( ˆ µ s p p p),68,7 dpˆ pˆ pˆ Stąd prawdopodobeństwo uderzea przez poru dwurote węsze: µ Pb > g epb µ g Pbg µ Pbg µ e e e, 64! Daje am to lczbę m d w rou, e były dwa lub węcej uderzea porua: ˆ µ ˆ µ mˆ e ˆ µ e, epewość tej welośc mˆ 9 ˆ µ smˆ s ˆ µ rozład Gaussa jao postać gracza rozładu Possoa (bez wyprowadzea) Rozład Gaussa wyprowadzee rozładu z modelu małych błędów Laplace a

10 Kospet wyładu STATYSTYKA MATEMATYCZNA ro 7/8 Stroa W wyu pomaru otrzymamy zamast welośc µ, jedą z welość oreśloych rówaem: µ + b + g ε, gdze:,,,,,, Prawdopodobeństwo aŝdej z tych wartośc jest zadae przez rozład dwumaowy z parametrem p ½: Wartość oczewaa zmeej wyos: a jej waracja, to:! B F b, p, 5g!! HGI K J b g F I µ b gε µ c h ε µ HG K J ε µ, bg b + g bg F I ε 4ε 4ε HG K J ε, V V V Wemy, Ŝe dla duŝej wartośc lczby, prawdopodobeństwo B ma zachowae gracze: ( p) ( ) µ ε ( ) µ B (, p) ep ep { } ep + πpq pq π ε 4 π ε ε Gbyśmy teraz chcel zmejszyć wartość ε do zera, przy zachowau pozycj, to aby uzysać sesowy lmt, musmy zaŝądać, aby welośc oraz dąŝyły do esończoośc, ale ta, by welość ε dąŝyła do wartośc stałej: ε σ cost Pozostae jedaŝe czy ε przed fucją wyładczą, tóry zepsuje całe przejśce gracze Jasym jest jeda, Ŝe przejśce z wartoścą zaburzea ε do zera ozacza przejśce do zmeej cągłej, a węc oczeujemy, Ŝe zamast prawdopodobeństw B (,p) zmeej sretej, powśmy uŝywać gęstośc prawdopodobeństwa ZauwaŜmy rówocześe, Ŝe poszczególe welośc oddzeloe są od sebe o ε, stąd aturalą rzeczą będze wprowadzee gęstośc, dzeląc prawdopodobeństwa B (,p) przez ów przedzał ε, rozmazując ejao prawdopodobeństwo sojarzoe z putem po całym tam przedzale: B, p, R U F b 5g ep S b µ g I V N ;, ep b g, T W H G b µ g µ σ K J ε ε π ε ε πσ σ Otrzymalśmy rozład Gaussa cągłej zmeej losowej własośc rozładu ormalzacja wymary parametrów rozładu ształt szeroość w połowe wysoośc momety wartość oczewaa spersja przypomeć, były oblczae Kwatyle (azać studetom oblczyć całę z rozładu Gaussa) zrobć rysue P(µ σ µ + σ) P(µ σ µ + σ) µ P < z p σ z p,687,5,675,9,8,9545,9,645,95,64 3,9973,95,96,99,35 4,9999,99,576,999 3,9 Kombacja lowa postac a zmeych losowych z rozładu Gaussa G( ;µ,σ ) ma rozład G( ;µ,σ ), gdze a, a µ µ σ σ cetrale twerdzee gracze przyład d Agostego sformułowae cetralego twerdzea graczego geerator zmeej losowej o rozładze Gaussa z D ajprostszy wybór to Metoda mometów Przyład: Day jest rozład, ( ) D

11 Kospet wyładu STATYSTYKA MATEMATYCZNA ro 7/8 Stroa f ( ; a, b), a b, a < b, b a Wemy, Ŝe ( a + b), V ( ) ( b a), sąd mamy dwa rówaa a ocey parametrów a oraz b: ˆ ˆ aˆ + b, s ˆ b a ocey tych parametrów: aˆ s, bˆ + s Iy przyład Daa jest próba prosta,,,, z rozładu Possoa P (µ) Wemy, Ŝe wartość oczewaa zmeej losowej z rozładu Possoa daa jest parametrem µ, dlatego moŝemy zapropoować estymator ˆ µ, a poewaŝ waracja tego rozładu taŝe zadaa jest parametrem µ, węc średa jest jedocześe estymatorem waracj JedaŜe estymatorem waracj jest wadrat epewośc pojeczego pomaru ˆ µ s, co daje am drug estymator waracj RozwaŜmy waracje obu estymatorów µ V ( ˆ µ ) V ( ) V ( ), ( 4 3 ˆ ) V µ V s V PoewaŜ dla rozładu Possoa 4 3µ + µ, węc 3 ( ) ˆ V µ µ + µ µ µ µ µ µ µ + + Zbadajmy stosue waracj estymatorów V ( ˆ µ ) µ + + µ V ˆ µ Wdzmy, Ŝe estymator zaday wadratem epewośc ma zawsze węszą warację jest mej efetywy własośc estymatorów: bra obcąŝea efetywość (zgodość, dostateczość, ) twerdzee Cramera-Rao: Vm ( θ ), V m ( θ ), P f ( ; θ ) l f ( ; θ ) l P d θ θ θ θ V m ( θ ) L( ; θ ) l L ( ; θ ) d θ, V ( θ ) θ m L ( ; θ ) l L ( ; θ ) RozwaŜmy próbę złoŝoą z elemetów z rozładu Possoa P (µ) o wartośc oczewaej µ Wyzaczmy mmalą warację Cramera-Rao Logarytm rozładu Possoa to: µ µ l P ( µ ) l e l µ µ l!! Perwsza pochoda wyos l P ( µ ) ( l µ µ l! ) µ µ µ Druga pochoda l P ( µ ) µ µ Ostatecze, mmala waracja Rao-Cramera zadaa jest przez

12 Kospet wyładu STATYSTYKA MATEMATYCZNA ro 7/8 Stroa µ µ µ Vm ( µ ) µ P ( µ ) l P ( µ ) P ( µ ) µ Metoda ajwęszej warogodośc sformułowae zasa uczyńmy dae ajbardzej prawdopodobym wr wo rozład dwumaowy przyła zastosowaa Wr wo 57 sucesów a prób, sąsad 8 sucesów w próbach trasparecja: wyres fucj warogodośc rozładu dwumaowego rozład wyładczy wyzaczyć ocey parametrów λ oraz τ, oceę waracj zbadać efetywość rozład Gaussa własośc estymatorów meto ajwęszej warogodośc współzmecze oraz asymptotycze: eobcąŝoe, efetywe ormale epewość estymatorów z meto ajwęszej warygodośc ˆ ( θ ) ll ˆV θ θ ˆ θ asymptotycze gaussows ształt fucj warogodośc Lczba dzec mej Ŝ 3 dzec 3 dzec 4 dzec 5 dzec węcej Ŝ 5 dzec Lczba rodz Oczewaa lczba rodz 6,6 3,8 3,,9,7 lustracja wyzaczae parametru µ rozładu Possoa rozład lczby dzec, ˆ µ 4,7 ±,45

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

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

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

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

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

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

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

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

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

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

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

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

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

Bardziej szczegółowo

W 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

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

. 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

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

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

Bardziej szczegółowo

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

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

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

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

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

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

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

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

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

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

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

Funkcja wiarogodności

Funkcja wiarogodności Fukca warogodośc Defca: Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x; θ. Fukcą warogodośc dla próby x azywamy welkość: ( x; θ f ( x ; θ L Uwaga: Fukca warogodośc to e to samo co łącza

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

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

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

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

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

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min Fukca warogodośc Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x;. Fukcą warogodośc dla próby x azywamy welkość: ( x; f ( x ; L Twerdzee (Cramera-Rao: Mmala wartość warac m dowolego eobcążoego

Bardziej szczegółowo

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

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

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

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

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

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

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

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

Bardziej szczegółowo

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

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

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

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne

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

Bardziej szczegółowo

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

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

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

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

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i= ESTYMATOR WARIANCJI I DYSPERSJI Ozaczmy: µ wartość oczekwaa rozkładu gauowkego wyków pomarów (wartość prawdzwa merzoej welkośc σ dyperja rozkładu wyków pomarów wyk er pomarów (,..., Stoując metodę ajwękzej

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

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

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

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

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

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

AKADEMIA MORSKA W SZCZECINIE

AKADEMIA MORSKA W SZCZECINIE AKADEMIA MORSKA W SZCZECINIE Istytut Iżyer Ruchu Morskego Zakład Urządzeń Nawgacyjych Istrukcja r 0 Wzory do oblczeń statystyczych w ćwczeach z radoawgacj Szczec 006 Istrukcja r 0: Wzory do oblczeń statystyczych

Bardziej szczegółowo

ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA L. Kowals - styacja TYMACJA UNKTOWA I RZDZIAŁOWA ROZKŁADY ODTAWOWYCH TATYTYK zea losowa odpowed badaej cechy,,,..., próba losowa zea losowa wyarowa, ezależe zee losowe o ta say rozładze ja. Jeśl x jest

Bardziej szczegółowo

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7 6. Przez 0 losowo wybrayh d merzoo zas dojazdu do pray paa A uzyskują próbkę x,..., x 0. Wyk przedstawały sę astępująo: jest to próbka losowa z rozkładu 0 0 x 300, 944. x Zakładamy, że N ( µ, z ezaym parametram

Bardziej szczegółowo

ELEMENTY TEORII MOŻLIWOŚCI

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

Bardziej szczegółowo

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

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

Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości parametrów rozkładu populacji.

Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości parametrów rozkładu populacji. Botatytyka, 018/019 dla Fzyk Medyczej, tuda magterke etymacja etymacja średej puktowa przedzał ufośc średej rozkładu ormalego etymacja puktowa przedzałowa waracj rozkładu ormalego etymacja parametrów rozkładu

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

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

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

będzie próbką prostą z rozkładu normalnego ( 2

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

Bardziej szczegółowo

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

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki tatystycza terpretacja wyków eksperymetu Małgorzata Jakubowska Katedra Chem Aaltyczej Wydzał IŜyer Materałowej Ceramk AGH Podstawowe zadae statystyk tatystyka to uwersale łatwo dostępe arzędze, które pomaga

Bardziej szczegółowo

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

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne Mary położea Średa arytmetycza Klasycze Średa harmocza Średa geometrycza Mary położea e Modala Kwartyl perwszy Pozycyje Medaa (kwartyl drug) Kwatyle Kwartyl trzec Decyle Średa arytmetycza = + +... + 2

Bardziej szczegółowo

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

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

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

Bardziej szczegółowo

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

Podstawy opracowania wyników pomiarowych, analiza błędów

Podstawy opracowania wyników pomiarowych, analiza błędów Podstawy opracowaa wyków pomarowych, aalza błędów I Pracowa Fzycza IF UJ Grzegorz Zuzel Lteratura I Pracowa fzycza Pod redakcją Adrzeja Magery Istytut Fzyk UJ Kraków 2006 Wstęp do aalzy błędu pomarowego

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

STATYSTYKA DANYCH SAMOSKORELOWANYCH

STATYSTYKA DANYCH SAMOSKORELOWANYCH Semarum Wydzału u Fzy Iformaty Stosowaej AGH 6 weta 00 STATYSTYKA DANYCH SAMOSKORELOWANYCH Adrzej Zęba Pla:. Wstęp - formalzm stadardowy jego ograczea - matematyczy ops daych samosorelowaych. Teora aaltycza,

Bardziej szczegółowo

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Różczkowae fukcj rzeczywstych welu zmeych rzeczywstych Matematyka Studum doktoracke KAE SGH Semestr let 8/9 R. Łochowsk Pochoda fukcj jedej zmeej e spojrzee Nech f : ( α, β ) R, α, β R, α < β Fukcja f

Bardziej szczegółowo

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

Wstęp do prawdopodobieństwa. Dr Krzysztof Piontek. Literatura:

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

Bardziej szczegółowo

Statystyka matematyczna. Wykład II. Estymacja punktowa

Statystyka matematyczna. Wykład II. Estymacja punktowa Statystyka matematycza. Wykład II. e-mail:e.kozlovski@pollub.pl Spis treści 1 dyskretych Rozkłady zmieeych losowych ciągłych 2 3 4 Rozkład zmieej losowej dyskretej dyskretych Rozkłady zmieeych losowych

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

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

Materiały do ćwiczeń 2 Zmienna losowa dyskretna Rozkład zmiennej losowej dyskretnej Powtarzanie doświadczeń Materały do ćwczeń Zmea losowa dysreta Rozład zmeej losowej dysretej Powtarzae dośwadczeń Przygotował: Dr ż Wojcech Artchowcz Katedra Hydrotech PG Zma 4/5 ZMIEA LOSOWA DYSKRETA I JEJ ROZKŁAD PRAWDOPODOBIEŃSTWA

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

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

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

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

Podprzestrzenie macierzowe

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

Bardziej szczegółowo

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

FUNKCJE DWÓCH ZMIENNYCH

FUNKCJE DWÓCH ZMIENNYCH FUNKCJE DWÓCH MIENNYCH De. JeŜel kaŝdemu puktow (, ) ze zoru E płaszczz XY przporządkujem pewą lczę rzeczwstą z, to mówm, Ŝe a zorze E określoa została ukcja z (, ). Gd zór E e jest wraźe poda, sprawdzam

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

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

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

Statystyka Opisowa Wzory

Statystyka Opisowa Wzory tatystyka Opsowa Wzory zereg rozdzelczy: x - wartośc cechy - lczebośc wartośc cechy - lczebość całej zborowośc Wskaźk atężea przy rysowau wykresu szeregu rozdzelczego przedzałowego o erówych przedzałach:

Bardziej szczegółowo

Wnioskowanie statystyczne dla korelacji i regresji.

Wnioskowanie statystyczne dla korelacji i regresji. STATYSTYKA MATEMATYCZNA WYKŁAD 6 Woskowae statstcze dla korelacj regresj. Aalza korelacj Założee: zmea losowa dwuwmarowa X, Y) ma rozkład ormal o współczku korelacj ρ. X, Y cech adae rówocześe. X X X...

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

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka

Teoria i praktyka. Wyższa Szkoła Turystyki i Ekologii. Fizyka. WSTiE Sucha Beskidzka Fizyka Nepewośc pomarowe. Teora praktka. Prowadząc: Dr ż. Adrzej Skoczeń Wższa Szkoła Turstk Ekolog Wdzał Iformatk, rok I Fzka 014 03 30 WSTE Sucha Beskdzka Fzka 1 Iformacje teoretcze zameszczoe a slajdach tej

Bardziej szczegółowo

Opracowanie wyników pomiarów

Opracowanie wyników pomiarów Opracowae wków pomarów Praca w laboratorum fzczm polega a wkoau pomarów, ch terpretacj wcagęcem wosków. Ab dojść do właścwch wosków aleŝ szczególą uwagę zwrócć a poprawość wkoaa pomarów mmalzacj błędów

Bardziej szczegółowo

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą. Joaa Ceślak, aula Bawej ESTREA FUNCJI ESTREA FUNCJI JEDNEJ ZIENNEJ Otoczeem puktu R jest każdy przedzał postac,+, gdze >. Sąsedztwem puktu jest każdy zbór postac,,+, gdze >. Nech R, : R oraz ech. De. ówmy,

Bardziej szczegółowo

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej

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

Bardziej szczegółowo