Wykład 3 Jednowymiarowe zmienne losowe
|
|
- Leszek Makowski
- 5 lat temu
- Przeglądów:
Transkrypt
1 Wykład 3 Jednowymiarowe zmienne losowe Niech (Ω, F, P ) będzie ustaloną przestrzenią probabilistyczną Definicja 1 Jednowymiarowa zmienna losowa (o wartościach rzeczywistych), określoną na przestrzeni probabilistycznej (Ω, F, P ) nazywamy funkcję X : Ω R taką, że dla każdego x R X 1 ((; x)) = {ω Ω : X(ω) < x} F Przykład 1 Rzucamy jeden raz symetryczną kostką Jeśli wypadnie 6 otrzymujemy 90zł; jeśli wypadnie nieparzysta liczba oczek otrzymujemy 10zł; w pozostałych przypadkach nie otrzymujemy nic Wtedy Ω = {1, 2, 3, 4, 5, 6} Niech X oznacza wygraną w tej grze Wtedy X jest zmienną losową określoną w następujący sposób: X(ω) = 10, ω {1, 3, 5} 90, ω = 6 0, ω {2, 4} X jest przykładem zmiennej losowej o rozkładzie dyskretnym Przykład 2 Rozważmy czas oczekiwania na autobus mający przyjechać w ciągu godziny Można przyjąć, że Ω = [0; 1] Wtedy, jeśli X oznacza czas oczekiwania, to X(ω) = ω W tym przypadku X jest przykładem zmiennej losowej o rozkładzie ciągłym 1 Zmienna losowa o rozkładzie dyskretnym Rozkład prawdopodobieństwa zmiennej losowej określa zakres jej wartości oraz prawdopodobieństwa, z jakimi te wartości są przyjmowane Oznaczenie: P (X = x) = P ({ω : X(ω) = x}) - prawdopodobieństwo, że zmienna losowa X przyjmie wartość x Definicja 2 Zmienna losowa X ma rozkład dyskretny (skokowy), jeśli istnieje przeliczalny podzbiór S X R, zwany zbiorem punktów skokowych, taki, że 1 P (X = x i ) > 0 dla każdego x i S X ; 2 P (X = x i ) = 1 x i S X Definicja 3 Niech X będzie zmienną losową o rozkładzie dyskretnym Jeśli dla każdego x i S X znajdziemy P (X = x i ), to otrzymamy funkcję prawdopodobieństwa zmiennej losowej X Uwaga Funkcja prawdopodobieństwa zmiennej losowej dyskretnej X jednoznacznie wyznacza jej rozkład 2 Dystrybuanta zmiennej losowej W praktyce często interesują nas P (X x) dla dowolnego x R Prawdopodobieństwa takie można wyznaczać za pomocą dystrybuanty Definicja 4 Dystrybuanta jednowymiarowej zmiennej losowej X : Ω R nazywamy funkcję F X : R R określoną wzorem F X (x) = P (X x) = P (X 1 (, x]) Twierdzenie 1 Rozkład zmiennej losowej X jest jednoznacznie wyznaczony przez jej dystrybuantę Wniosek Jeśli dwie zmienne losowe mają te same dystrybuanty, to mają ten sam rozkład
2 Własności dystrybuanty Twierdzenie 2 Funkcja F : R R jest dystrybuanta jednowymiarowej zmiennej losowej wtedy i tylko wtedy, gdy 1 lim F (x) = 0, lim F (x) = 1; x x + 2 F jest funkcja niemalejac a (x 1 < x 2 F (x 1 ) F (x 2 )); 3 F jest funkcja co najmniej prawostronnie ciagł a Przy pomocy dystrybuanty można wyznaczyć prawdopodobieństwa zdarzeń polegających na tym, że zmienna losowa przyjmie wartość z ustalonego przedziału Uwaga Niech a, b R i niech a < b Wtedy: 1 P (X a) = F X (a); 2 P (X = a) = F X (a) lim x a F X(x); 3 P (X a) = 1 lim x a F X (x); 4 P (a X < b) = lim x b F X(x) lim x a F X(x); 5 P (a < X b) = F X (b) F X (a); 6 P (a < X < b) = lim x b F X (x) F X (a); 7 P (a X b) = F X (b) lim x a F X (x); 8 P (X < a) = lim x a F X (x) 21 Dystrybuanta zmiennej losowej o rozkładzie dyskretnym Twierdzenie 3 Jeśli X ma rozkład dyskretny, to F X (x) = x i x P (X = x i ) Uwaga Aby wyznaczyć rozkład zmiennej losowej o rozkładzie dyskretnym trzeba: albo znaleźć funkcję prawdopodobieństwa albo dystrybuantę 2 Zmienna losowa o rozkładzie ciagłym Definicja 5 Zmienna losowa X o dystrybuancie F X funkcja f X : R R taka, że F X (x) = ma rozkład ciagły (jest typu ciagłego), jeżeli istnieje x f X (t)dt Funkcję f X nazywamy wtedy gęstościa rozkładu zmiennej losowej X Wnioski Jeśli X ma rozkład ciągły, to: 1 F X jest funkcją ciągłą w zbiorze R 2 F X (x) = f(x) w każdym punkcie ciągłości x funkcji f X Twierdzenie 4 Funkcja f : R R jest gęstościa jednowymiarowej zmiennej losowej wtedy i tylko wtedy, gdy 1 f(x) 0 prawie wszędzie; 2 + f(x)dx = 1
3 Uwaga Jeśli X ma rozkład ciągły, to P (X = a) = 0 dla każdego a R Uwaga Jeśli X ma rozkład ciągły, to dla dowolnych a, b R takich, że a < b P (a X < b) = P (a < X b) = P (a < X < b) = P (a X b) Uwaga Rozkład zmiennej losowej typu ciągłego jest jednoznacznie wyznaczony przez funkcję gęstości Wyznaczanie prawdopodobieństwa za pomoca gęstości Jeśli X ma rozkład ciągły, to dla dowolnych a, b R takich, że a < b: 1 P (X < b) = P (X b) = 2 P (X > a) = P (X a) = b a f X (x)dx; f X (x)dx; 3 P (a X < b) = P (a < X b) = P (a < X < b) = P (a X b) = b a f X (x)dx Uwaga Aby wyznaczyć rozkład zmiennej losowej o rozkładzie ciągłym trzeba: albo znaleźć funkcję gęstości albo dystrybuantę
4 Wykład 4 Charakterystyki liczbowe jednowymiarowych zmiennych losowych 1 Wartość oczekiwana Wartość oczekiwana jest wskaźnikiem położenia zmiennej losowej Wskazuje ona średnią wartość zmiennej losowej 11 Wartość oczekiwana zmiennej losowej o rozkładzie dyskretnym Definicja 1 Niech X będzie zmienną losową o rozkładzie dyskretnym ze zbiorem punktów skokowych S X Wtedy, jeśli x i S X x i P (X = x i ) <, to wartościa oczekiwana zmiennej losowej X nazywamy liczbę EX = x i P (X = x i ) x i S X W przeciwnym przypadku mówimy, że wartość oczekiwana nie istnieje Definicja 2 Niech X będzie zmienną o rozkładzie dyskretnym i niech g : R R będzie funkcją taką, że g(x) też jest zmienną losową Wtedy, jeśli x i S X g(x i ) P (X = x i ) <, to E(g(X)) = x i S X g(x i ) P (X = x i ) 12 Wartość oczekiwana zmiennej losowej o rozkładzie ciagłym Definicja 3 Niech X będzie zmienną losową o rozkładzie ciągłym z funkcją gęstości f X Wtedy, jeśli x f X (x) dx <, to wartościa oczekiwana zmiennej losowej X nazywamy liczbę EX = x f X (x) dx W przeciwnym przypadku mówimy, że wartość oczekiwana nie istnieje Przykład 1 Niech czas oczekiwania (w godzinach) na autobus będzie zmienną losową X o rozkładzie ciągłym z funkcją gęstości 1, x [0; 1] f X (x) = 0, x / [0; 1] Jeśli pytamy o to, jaki będzie średni czas oczekiwania, to musimy obliczyć EX = 1 0 x 1 dx = 1 2 To oznacza, że średnio na utobus będziemy czekać pół godziny Definicja 4 Niech X będzie zmienną o rozkładzie ciągłym i niech g : R R będzie funkcją taką, że g(x) też jest zmienną losową Wtedy, jeśli to E(g(X)) = g(x) f X (x) dx <, g(x) f X (x) dx
5 13 Własności wartości oczekiwanej Niech X i Y będą zmiennymi losowymi, dla których istnieją EX i EY Wtedy: 1 E(b) = b dla każdego b R; 2 E(a X) = a EX dla każdego a R; 3 E(X + Y ) = EX + EY ; 4 Jeśli X 0, to EX 0 5 Z własności 3 wynika, że dla skończonej liczby zmiennych losowych X 1,, X n zachodzi równość E(X X n ) = EX EX n 2 Wariancja i odchylenie standardowe Wariancja jest wskaźnikiem rozproszenia wartości zmiennej losowej wokół jej wartości oczekiwanej (wskazuje, jak bardzo wartości zmiennej losowej odbiegają od wartości średniej) Definicja 5 Jeśli istnieje E(X 2 ), to wariancja zmiennej losowej X nazywamy liczbę V X = E(X EX) 2 Liczbę σ X = V X nazywamy odchyleniem standardowym zmiennej losowej X Twierdzenie 1 Jeśli istnieje E(X 2 ), to Dowód V X = E(X 2 ) (EX) 2 V X = E(X EX) 2 = E(X 2 2X EX + (EX) 2 ) = E(X 2 ) 2E(X EX) + E((EX) 2 ) = E(X 2 ) 2EX EX + (EX) 2 = E(X 2 ) (EX) 2 Przykład 2 Dla zmiennej losowej z przykładu 1 mamy: E(X 2 ) = 1 0 x 2 1 dx = 1 3, co oznacza, że V X = E(X 2 ) (EX) 2 = = Własności wariancji Jeśli X jest zmienną losową, dla której istnieje V X, to 1 V X 0; 2 V (ax + b) = a 2 V X dla wszystkich a, b R
6 Wykład czwarty Przeglad rozkładów jednowymiarowych 1 Rozkłady dyskretne 1 Rozkład jednopunktowy: Zmienna losowa X ma rozkład jednopunktowy skupiony w punkcie x 0, jeśli S X = {x 0 } oraz P (X = x 0 ) = 1 Jest to najprostszy rozkład prawdopodobieństwa Dystrybuanta tego rozkładu ma postać 0, x x0 F (x) = 1, x > x 0 Uwaga Jeśli X = a, gdzie a R, to X ma rozkład jednopunktowy skupiony w punkcie a Zatem każdą stałą można traktować jako zmienną losową o rozkładzie jednopunktowym Jeśli X ma rozkład jednopunktowy skupiony w punkcie x 0, to EX = x 0, V X = 0 2 Rozkład zero-jedynkowy: X ma rozkład zero-jedynkowy, jeśli S X = {0, 1} oraz P (X = 0) = p (0; 1), P (X = 1) = 1 p Dystrybuanta tego rozkładu ma postać 0, x < 0 F (x) = p, 0 x < 1 1, x 1 Ponadto EX = 1 p, V X = p(1 p) Przykład modelu: Rzucamy symetryczną monetą Jeśli przyjmiemy, że 0, gdy wypadnie orzeł X = 1, gdy wypadnie reszka to funkcja prawdopodobieństwa rozkładu zmiennej losowej X będzie postaci To oznacza, że X ma rozkład zero-jedynkowy P (X = 0) = P (X = 1) = Rozkład Bernoulliego (dwumianowy): X ma rozkład Bernoulliego z parametrami n i p (X B(n, p)), gdzie p (0, 1) i n N, jeśli S X = {0, 1,, n} oraz n P (X = k) = p k (1 p) n k k Zmienną losową o rozkładzie dwumianowym można interpretoważ jako liczbę sukcesów w n doświadczeniach Bernoulliego, jeśli prawdopodobieństwo sukcesu w jednym doświadczeniu wynosi p Jeśli X B(n, p), to EX = np, V X = np(1 p) 1,
7 4 Rozkład geometryczny: X ma rozkład geometryczny z parametrem p (0, 1) (X g(p)), jeśli S X = N oraz P (X = k) = (1 p) k 1 p Uwaga Zmienną losową o rozkładzie geometrycznym można interpretować jako liczbę prób do pierwszego sukcesu w schemacie Bernoulliego Przykład modelu: Rzucamy monetą P (O) = 2 Niech X oznacza liczbę rzutów do momentu, aż pojawi się po 5 raz pierwszy orzeł Wtedy P (X = k) = 1 2 k 1 2, k = 1, 2,, 5 5 to znaczy X ma rozkład geometryczny z parametrem p = 2 5 Dla rozkładu geometrycznego spełniona jest własność "braku pamięci"(własność Markowa): Twierdzenie 1 Jeśli X ma rozkład geometryczny z parametrem p, to dla dowolnych n, m N P (X > n + m X > n) = (1 p) m = P (X > m) Dowód P (X > n + m X > n) = = P (X > n + m X > n) = P (X > n) p(1 p) k 1 k=n+m+1 k=n+1 p(1 p) k 1 = P (X > n + m) P (X > n) p(1 p) n+m p(1 p) n = (1 p) m = P (X > m) = Jeśli X g(p), to EX = 1 p, V X = p 1 p 2 5 Rozkład Poissona: Zmienna losowa X ma rozkład Poissona z parametrem λ > 0 (X P (λ)), jeśli S X = N {0} oraz λ λk P (X = k) = e k! Wartości prawdopodobieństw dla rozkładu Poissona są stablicowane Zmienna losowa o rozkładzie Poissona może być interpretowana jako liczba awarii systemu, liczba klientów zgłaszających się do banku, liczba samochodów przejeżdżających przez określony punkt drogi w określonym przedziale czasowym, liczba cząstek emitowanych przez substancję radioaktywną w ustalonych odstępach czasu
8 Rozkład Poissona ma związek z rozkładem Bernoulliego: Dla dużych n n p k (1 p) n k e λ λk k k!, gdzie λ = np Przybliżenie to jest dla celów praktycznych wystarczająco dokładne gdy n 50, p 0, 1 Jeśli X P (λ), to EX = V X = λ 2 Rozkłady ciagłe 1 Rozkład jednostajny: Zmienna losowa X ma rozkład jednostajny na przedziale [a; b] (X U([a; b])), jeśli jej funkcja gęstości oraz dystrybuanta mają postać f(x) = 1 b a, x < a ; b > 0, x / < a ; b >, F (x) = 0, x a x a b a, a < x b 1, x > b Zmienną losową X o rozkładzie jednostajnym na przedziale [a; b] można interpretować jako wynik eksperymentu polegającego na losowym i "jednostajnym"wyborze wartości z odcinka [a; b] Jeśli X U([a; b]), to EX = a + b 2 V X = (b a) Rozkład normalny (Gaussa): Zmienna losowa X ma rozkład normalny z parametrami m i σ 2, gdzie m R oraz σ > 0 (X N(m, σ 2 )), jeśli jej funkcja gęstości jest postaci f(x) = 1 2π σ exp (x m)2 2σ 2 Szczególny przypadek: Standardowy rozkład normalny Rozkład N(0, 1) nazywany jest standardowym rozkładem normalnym Jeśli X N(0, 1), to f(x) = 1 2π exp x2 2 Dystrybuantę rozkładu normalnego N(0, 1) oznaczać będziemy symbolem F(x): F(x) = 1 x exp 12 2π t2 dt Wyznaczanie prawdopodobie/nstw dla zmiennych losowych o rozkładach N(m, σ 2 ): Dystrybuanta rozkładu normalnego N(0, 1) jest stablicowana Za jej pomocą można obliczyć wartości dystrybuanty dla dowolnej zmiennej losowej o rozkładzie N(m, σ 2 ):
9 x m Jeśli X N(m, σ 2 ), to F X (x) = F σ W szczególności, jeśli X N(m, σ 2 ), to b m P (X < b) = P (X b) = F ; σ P (a < X < b) = P (a X b) = P (a < X b) = P (a X < b) = F X (b) F X (a) b m a m = F F σ σ Często korzysta się z tablic funkcji Φ(x), gdzie Φ jest funkcją Laplace a Definicja 1 Funkcja Lapalce a nazywamy funkcję Φ taką, że Φ(x) df = 1 2π x 0 exp u2 du 2 Twierdzenie 2 Funkcja Laplace a ma następujace własności: (a) Φ(x) jest funkcja nieparzysta; (b) Dla każdego x R F(x) = 0, 5 + Φ(x), x 0 0, 5 Φ( x), x < 0 Twierdzenie 3 (Reguła trzech sigm) Jeśli X N(m, σ 2 ), to Dowód Jeśli X N(m, σ 2 ), to P (X / [m 3σ, m + 3σ]) = 0, 0027 P ( X m 3σ) = P (X [m 3σ, m + 3σ]) = F X (m + 3σ) F X (m 3σ) = = F(3) F( 3) = 2 Φ(3) = = Zatem P (X / [m 3σ, m + 3σ]) = = 0, 0027 Z reguły trzech sigm wynika, że jeśli X N(m, σ 2 ), to szansa przyjęcia przez zmienną losową X wartości poza przedziałem [m 3σ, m + 3σ] jest bliska zeru Jeśli X N(m, σ 2 ), to EX = m, V X = σ 2
10 Wykład szósty Zmienne losowe dwuwymiarowe Definicja 1 Niech X i Y będą zmiennymi losowymi określonymi na przestrzeni probabilistycznej (Ω, F, P ) Funkcję X = (X, Y ) : Ω R 2 nazywamy zmienna losowa dwuwymiarowa Rozkład łaczny zmiennej losowej - rozkład wektora (X, Y ) 1 Typy rozkładów zmiennych losowych dwuwymiarowych 11 Rozkład dyskretny Definicja 2 Dwuwymiarowa zmienna losowa (X, Y ) ma rozkład dyskretny, jeśli istnieje przeliczalny zbiór S XY R 2 taki, że 1 P (X = x, Y = y) > 0 dla każdego punktu (x, y) S XY ; 2 P (X = x, Y = y) = 1 (x,y) S XY Wtedy S XY nazywamy zbiorem punktów skokowych rozkładu zmiennej losowej (X, Y ) Definicja 3 Jeśli (X, Y ) ma rozkład dyskretny i dla każdego punktu (x, y) S XY znajdziemy P (X = x, Y = y), to wyznaczymy funkcję prawdopodobieństwa rozkładu zmiennej losowej (X, Y ) Twierdzenie 1 Funkcja prawdopodobieństwa dwuwymiarowej zmiennej losowej o rozkładzie dyskretnym jednoznacznie wyznacza jej rozkład 12 Rozkład ciagły Definicja 4 Dwuwymiarowa zmienna losowa (X, Y ) ma rozkład ciagły, jeśli istnieje funkcja f XY : R 2 R zwana gęstościa rozkładu zmiennej zmiennej losowej (X, Y ) taka że F XY (x, y) = x y gdzie F XY jest dystrybuantą zmiennej losowej (X, Y ) f XY (u, t)du dt, Twierdzenie 2 Funkcja f : R 2 R jest gęstościa dwuwymiarowej zmiennej losowej wtedy i tylko wtedy, gdy 1 2 f(x, y) 0 prawie wszędzie f(x, y)dx dy = 1; Twierdzenie 3 Jeśli funkcja f : R 2 R jest gęstościa dwuwymiarowej zmiennej losowej (X, Y ), to: 1 2 F XY x y (x, y) = f(x, y) prawie wszędzie; 2 Dla każdego A B(R 2 ) zachodzi P ((X, Y ) A) = A f(x, y)dx dy Twierdzenie 4 Funkcja gęstości jednoznacznie wyznacza rozkład dwuwymiarowej zmiennej losowej o rozkładzie ciagłym 1
11 2 Dystrybuanta zmiennej losowej dwuwymiarowej Definicja 5 Dystrybuanta dwuwymiarowej zmiennej losowej (X, Y ) nazywamy funkcję F XY : R 2 [0; 1] daną wzorem F XY (x, y) = P (X x, Y y) Własności dystrybuanty dwuwymiarowej zmiennej losowej (X, Y ) Twierdzenie 5 Dla dowolnych x 1 < x 2, y 1 < y 2 zachodzi równość P (x 1 < X x 2, y 1 < Y y 2 ) = F XY (x 2, y 2 ) F XY (x 1, y 2 ) F XY (x 2, y 1 ) + F XY (x 1, y 1 ) Twierdzenie 6 Funkcja F : R 2 R jest dystrybuanta dwuwymiarowej zmiennej losowej wtedy i tylko wtedy, gdy 1 y R lim F (x, y) = 0, x lim x R y F (x, y) = 0, lim 2 Funkcja F jest niemalejaca ze względu na każda zmienna; F (x, y) = 1; x + y + 3 Funkcja F jest co najmniej prawostronnie ciagła ze względu na każda zmienna; 4 F (x 2, y 2 ) F (x 1, y 2 ) F (x 2, y 1 ) + F (x 1, y 1 ) 0 y 1 <y 2 x 1 <x 2 Twierdzenie 7 Dla dowolnych a, b R zachodzi równość P (X = a, Y = b) = F XY (a, b) + F XY (a, b ) F XY (a, b) F XY (a, b ) Uwaga Dystrybuanta zmiennej losowej dwuwymiarowej jednoznacznie wyznacza jej rozkład łaczny Jeśli znajdziemy osobno rozkład dla zmiennej losowej X i osobno rozkład dla Y, to otrzymamy rozkłady brzegowe 3 Rozkłady brzegowe zmiennych losowych dwuwymiarowych 31 Dystrybuanty brzegowe Twierdzenie 8 Niech (X, Y ) będzie dwuwymiarowa zmienna losowa o dystrybuancie F XY Wówczas F X (x) = F Y (y) = lim F XY (x, y) dystrybuanta brzegowa zmiennej losowej X, y + lim F XY (x, y) dystrybuanta brzegowa zmiennej losowej Y x + 32 Rozkłady brzegowe zmiennej losowej o łacznym rozkładzie dyskretnym Twierdzenie 9 Zmienna losowa (X, Y ) ma rozkład dyskretny wtedy i tylko wtedy, gdy rozkłady brzegowe zmiennych X i Y też sa dyskretne Ponadto 1 S XY S X S Y ; 2 P (X = x k ) = P (X = x k, Y = y j ) rozkład brzegowy zmiennej losowej X, j: (x k,y j ) S XY P (Y = y j ) = P (X = x k, Y = y j ) rozkład brzegowy zmiennej losowej Y k: (x k,y j ) S XY
12 32 Rozkłady brzegowe zmiennej losowej o łacznym rozkładzie ciagłym Twierdzenie 10 Jeśli zmienna losowa (X, Y ) ma rozkład ciagły, to rozkłady brzegowe zmiennych losowych X i Y też sa ciagłe Ponadto f X (x) = f Y (y) = + + f XY (x, y)dy gęstość brzegowa zmiennej losowej X, f XY (x, y)dx gęstość brzegowa zmiennej losowej Y
13 1 Niezależność zmiennych losowych Wykład siódmy Niezależność zmiennych losowych Definicja 1 Jednowymiarowe zmienne losowe X, Y określone na przestrzeni probabilistycznej (Ω, F, P) nazywamy niezależnymi, jeżeli dla wszystkich zbiorów borelowskich B 1, B 2 zachodzi równość P (X B 1, Y B 2 ) = P (X B 1 ) P (Y B 2 ) Zmienne losowe, które nie są niezależne, nazywamy zależnymi Twierdzenie 1 Zmienne losowe X, Y sa niezależne wtedy i tylko wtedy, gdy dla wszystkich x, y R F XY (x, y) = F X (x) F Y (y) Przykład 1 Dwuwymiarowa zmienna losowa (X, Y ) ma rozkład określony dystrybuantą 0 x 0 y 0 x 0 < x 1 y x F (x, y) = y 0 < y 1 x > y 1 x > 1 y > 1 Zbadać niezależność zmiennych losowych X i Y Wyznaczymy dystrybuanty brzegowe: 0, x 0 F X (x) = x, 0 < x 1 1, x > 1, F Y (y) = 0, y 0 y, 0 < y 1 1, y > 1 Zauważmy, że X i Y mają rozkłady ciągłe mimo, że rozkład łączny nie jest ciągły Sprawdzimy, czy F X (x) F Y (y) = F (x, y) Mamy: 0 x 0 y 0 xy 0 < x 1 0 < y 1 F X (x) F Y (y) = x 0 < x 1 y > 1 = F (x, y) y x > 1 0 < y 1 1 x > 1 y > 1 Zatem X i Y nie są niezależne (są zależne) Twierdzenie 2 (Niezależność zmiennych losowych o rozkładach dyskretnych) Zmienne losowe X i Y o rozkładach dyskretnych sa niezależne wtedy i tylko wtedy, gdy 1 S XY = S X S Y ; 2 Dla każdego punktu (x, y) S XY P (X = x, Y = y) = P (X = x) P (Y = y) Twierdzenie 3 (Niezależność zmiennych losowych o łacznym rozkładzie ciagłym) Zmienne losowe X i Y o łacznym rozkładzie ciagłym sa niezależne wtedy i tylko wtedy, gdy prawie wszędzie f XY (x, y) = f X (x) f Y (y) Twierdzenie 4 Jeśli zmienne losowe X i Y sa niezależne oraz g 1, g 2 sa funkcjami takimi, że, g 1 (X), g 2 (Y ) tez sa zmiennymi losowymi, to g 1 (X) i g 2 (Y ) również sa niezależne
14 Charakterystyki liczbowe wielowymiarowych zmiennych losowych 1 Wartość oczekiwana Definicja 1 Niech (X, Y ) będzie dwuwymiarowa zmienna losowa taka, że istnieja EX i EY Wartościa oczekiwana zmiennej losowej (X, Y ) nazywamy wektor (EX, EY ) Twierdzenie 1 Niech g(x, Y ) będzie jednowymiarowa zmienna losowa Wtedy: 1 Jeśli (X, Y ) ma rozkład dyskretny, to E (g(x, Y )) = 2 Jeśli (X, Y ) ma rozkład ciagły, to E (g(x, Y )) = (x,y) S XY g(x, y) P (X = x, Y = y) + + Twierdzenie 2 Jeśli X, Y sa niezależnymi zmiennymi losowymi, to 2 Kowariancja g(x, y)f XY (x, y) dxdy E (g 1 (X) g 2 (Y )) = E (g(x)) E (g 2 (Y )) Definicja 2 Kowariancja zmiennych losowych X i Y, dla których istnieja EX, EY, E(XY ), nazywamy liczbę cov(x, Y ) = E(X EX)(Y EY ) Twierdzenie 3 cov(x, Y ) = E(X Y ) EX EY Własności kowariancji: Niech X, Y, X 1, X 2, Y 1, Y 2 będą jednowymiarowymi zmiwnnymi losowymi Wtedy: 1 cov(x, Y ) = cov(y, X); 2 cov(x, X) = V X; 3 cov(a, X) = 0 dla a R; 4 cov(ax + b, cy + d) = a c cov(x, Y ) dla a, b, c, d R; 5 cov(ax 1 + bx 2, cy 1 + dy 2 ) = a c cov(x 1, Y 1 ) + a d cov(x 1, Y 2 ) + b c cov(x 2, Y 1 ) + b d cov(x 2, Y 2 ) Twierdzenie 4 Jeśli X i Y sa zmiennymi losowymi, dla których istnieja wariancje, to V (X + Y ) = V X + 2cov(X, Y ) + V Y, V (X Y ) = V X 2cov(X, Y ) + V Y Definicja 3 Zmienne losowe X i Y nazywamy nieskorelowanymi, jeśli cov(x, Y ) = 0 Uwaga Jeśli X i X są nieskorelowane, to V (X + Y ) = V (X Y ) = V X + V Y Uwaga Jeśli zmienne losowe X i Y są niezależne, to cov(x, Y ) = 0 Ale: z tego, że X i Y są nieskorelowane nie wynika, że są niezależne! Wyjątkiem jest rozkład normalny: Jeśli (X, Y ) ma rozkład normalny, to X i Y są niezależne cov(x, Y ) = 0
15 3 Współczynnik korelacji Definicja 4 Niech X i Y będa zmiennymi losowymi takimi, że V X > 0 i V Y > 0 Współczynnikiem korelacji zmiennych X i Y nazywamy liczbę ρ(x, Y ) = cov(x, Y ) V X V Y Własności współczynnika korelacji: 1 ρ(x, Y ) 1; 2 ρ(x, Y ) = 1 istnieją a, b R takie, że Y = ax + b (istnieje liniowa zależność między X i Y ); 3 X i Y są nieskorelowane ρ(x, Y ) = 0
16 Wykład ósmy Centralne Twierdzenie Graniczne Twierdzenie 1 Centralne Twierdzenie Graniczne Lindeberga-Levy ego Niech (X k ) n k=1 będzie ciagiem niezależnych zmiennych losowych o takim samym rozkładzie takich, że EX k = m, V X k = σ 2 dla każdego k = 1,, n Niech S n = n k=1 X k Wtedy dla dowolnych a, b R takich, że a < b lim P a < S n n m n σ n < b = F(b) F(a) (1) Twierdzenie 2 Twierdzenie Moivre a-laplace a Jeśli (X k ) n k=1 jest ciagiem niezależnych zmiennych losowych o rozkładzie zero-jedynkowym takim, że P (X k = 1) = p dla każdego k = 1, n, to wzór (1) przyjmuje postać lim P S n n p a < < b = F(b) F(a) n n p (1 p) Przykład 2 Zakładając, że prawdopodobieństwa urodzenia chłopca i dziewczynki są takie same oszacować prawdopodobieństwo, że wśród mieszkańców pewnego miasteczka, będzie przynajmniej kobiet Rozwiazanie: Niech (X k ) k=1 będzie ciągiem niezależnych zmiennych losowych takich, że X k = 1, jeśli k-ta osoba jest kobietą 0, jeśli k-ta osoba jest mężczyzną Wtedy S jest zmienną losową oznaczającą liczbę kobiet w miasteczku Zauważmy, że dla każdego k = 1,, P (X k = 1) = p = 0, 5, P (X k = 0) = 0, 5 Zatem zmienne losowe X k mają rozkłady zero-jedynkowe Z twierdzenia 2 mamy zatem P (S > ) = 1 P (S ) S , 5 = 1 P , 5 0, 5 1 F( 632, 46) , , 5 0, 5
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 szczegółowoPEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA
PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA 1. Trójkę (Ω, F, P ), gdzie Ω, F jest σ-ciałem podzbiorów Ω, a P jest prawdopodobieństwem określonym na F, nazywamy przestrzenią probabilistyczną. 2. Rodzinę F
Bardziej szczegółowoRozdział 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 szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3.
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3. ZMIENNA LOSOWA JEDNOWYMIAROWA. Zmienną losową X nazywamy funkcję (praktycznie każdą) przyporządkowującą zdarzeniom elementarnym liczby rzeczywiste. X : Ω R (dokładniej:
Bardziej szczegółowoĆwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu.
Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu. A Teoria Definicja A.1. Niech (Ω, F, P) będzie przestrzenią probabilistyczną. Zmienną losową określoną na przestrzeni Ω nazywamy dowolną
Bardziej szczegółowoJednowymiarowa zmienna losowa
1 Jednowymiarowa zmienna losowa Przykład Doświadczenie losowe - rzut kostką do gry. Obserwujemy ilość wyrzuconych oczek. Teoretyczny model eksperymentu losowego - przestrzeń probabilistyczna (Ω, S, P ),
Bardziej szczegółowoWYKŁAD 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 szczegółowoPrzestrzeń 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 szczegółowoZmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014
Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014 Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe
Bardziej szczegółowoRozdział 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 szczegółowoStatystyka matematyczna
Statystyka matematyczna Wykład 5 Magdalena Alama-Bućko 1 kwietnia 2019 Magdalena Alama-Bućko Statystyka matematyczna 1 kwietnia 2019 1 / 19 Rozkład Poissona Po(λ), λ > 0 - parametr tzw. rozkład zdarzeń
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne
Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne 5.2. Momenty rozkładów łącznych. Katarzyna Rybarczyk-Krzywdzińska rozkładów wielowymiarowych Przypomnienie Jeśli X jest zmienną losową o rozkładzie
Bardziej szczegółowoWYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty
WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 4 / 9 Przekształcenia zmiennej losowej X
Bardziej szczegółowoZestaw 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 szczegółowoSzkice do zajęć z Przedmiotu Wyrównawczego
Szkice do zajęć z Przedmiotu Wyrównawczego Matematyka Finansowa sem. letni 2011/2012 Spis treści Zajęcia 1 3 1.1 Przestrzeń probabilistyczna................................. 3 1.2 Prawdopodobieństwo warunkowe..............................
Bardziej szczegółowoLista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie
Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Jarosław Kotowicz Instytut Matematyki Uniwersytet w
Bardziej szczegółowoWYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa
WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 2 i 3 1 / 19 Zmienna losowa Definicja Dana jest przestrzeń probabilistyczna
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład II: Zmienne losowe i charakterystyki ich rozkładów 13 października 2014 Zmienne losowe Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Definicja zmiennej losowej i jej
Bardziej szczegółowoRozkłady prawdopodobieństwa zmiennych losowych
Rozkłady prawdopodobieństwa zmiennych losowych Rozkład dwumianowy Rozkład normalny Marta Zalewska Zmienna losowa dyskretna (skokowa) jest to zmienna, której zbór wartości jest skończony lub przeliczalny.
Bardziej szczegółowoJeśli 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 szczegółowoPrawa 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 szczegółowo5 Przegląd najważniejszych rozkładów
5 Przegląd najważniejszych rozkładów 5. Rozkład Bernoulliego W niezmieniających się warunkach wykonujemy n razy pewne doświadczenie. W wyniku każdego doświadczenia może nastąpić zdarzenie A lub A. Zakładamy,
Bardziej szczegółowoStatystyka Opisowa z Demografią oraz Biostatystyka. Zmienne losowe. Aleksander Denisiuk. denisjuk@euh-e.edu.pl
Statystyka Opisowa z Demografią oraz Biostatystyka Zmienne losowe Aleksander Denisiuk denisjuk@euh-e.edu.pl Elblaska Uczelnia Humanistyczno-Ekonomiczna ul. Lotnicza 2 82-300 Elblag oraz Biostatystyka p.
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład VII: Rozkład i jego charakterystyki 22 listopada 2016 Uprzednio wprowadzone pojęcia i ich własności Definicja zmiennej losowej Zmienna losowa na przestrzeni probabilistycznej (Ω, F, P) to funkcja
Bardziej szczegółowoWSTĘP. Tematy: Regresja liniowa: model regresji liniowej, estymacja nieznanych parametrów. Wykład:30godz., ćwiczenia:15godz., laboratorium:30godz.
Tematy: WSTĘP 1. Wprowadzenie do przedmiotu. Próbkowe odpowiedniki wielkości populacyjnych. Modele statystyczne i przykładowe zadania wnioskowania statystycznego. Statystyki i ich rozkłady. 2. Estymacja
Bardziej szczegółowoLiteratura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.
Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej
Bardziej szczegółowozadania 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 szczegółowoWykład 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 szczegółowoWykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.
Rachunek prawdopodobieństwa MAP1181 Wydział PPT, MS, rok akad. 213/14, sem. zimowy Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.
Bardziej szczegółowoPRAWDOPODOBIEŃSTWO. ZMIENNA LOSOWA. TYPY ROZKŁADÓW
PRAWDOPODOBIEŃSTWO. ZMIENNA LOSOWA. TYPY ROZKŁADÓW Rachunek prawdopodobieństwa (probabilitis - prawdopodobny) zajmuje się badaniami pewnych prawidłowości (regularności) zachodzących przy wykonywaniu doświadczeń
Bardziej szczegółowoElementy Rachunek prawdopodobieństwa
Elementy rachunku prawdopodobieństwa Rachunek prawdopodobieństwa zajmuje się analizą praw rządzących zdarzeniami losowymi Pojęciami pierwotnymi są: zdarzenie elementarne ω oraz zbiór zdarzeń elementarnych
Bardziej szczegółowoWykład 2 Zmienne losowe i ich rozkłady
Wykład 2 Zmienne losowe i ich rozkłady Magdalena Frąszczak Wrocław, 11.10.2017r Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe Doświadczenie
Bardziej szczegółowoPODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek
PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Piotr Wiącek ROZKŁAD PRAWDOPODOBIEŃSTWA Jest to miara probabilistyczna określona na σ-ciele podzbiorów borelowskich pewnej przestrzeni metrycznej. σ-ciało podzbiorów
Bardziej szczegółowo12DRAP - parametry rozkładów wielowymiarowych
DRAP - parametry rozkładów wielowymiarowych Definicja.. Jeśli h : R R, a X, Y ) jest wektorem losowym o gęstości fx, y) to EhX, Y ) = hx, y)fx, y)dxdy. Jeśli natomiast X, Y ) ma rozkład dyskretny skupiony
Bardziej szczegółowoLista 5. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym
Lista 5 Zadania na zastosowanie nierównosci Markowa i Czebyszewa. Zadanie 1. Niech zmienna losowa X ma rozkład jednostajny na odcinku [0, 1]. Korzystając z nierówności Markowa oszacować od góry prawdopodobieństwo,
Bardziej szczegółowoMatematyka z el. statystyki, # 3 /Geodezja i kartografia II/
Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Akademicka 15, p.211a bud. Agro II, e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoWykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.
Rachunek prawdopodobieństwa MAT1332 Wydział Matematyki, Matematyka Stosowana Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów. Warunkowa
Bardziej szczegółowoTemat: 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 szczegółowoRozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe
Statystyka i opracowanie danych W4 Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe Dr Anna ADRIAN Paw B5, pok407 adan@agh.edu.pl Rozkład normalny wykres funkcji gęstości
Bardziej szczegółowoRachunek 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 szczegółowo4,5. Dyskretne zmienne losowe (17.03; 31.03)
4,5. Dyskretne zmienne losowe (17.03; 31.03) Definicja 1 Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x 1, x 2,..., można ustawić w ciag. Zmienna losowa X, która przyjmuje wszystkie
Bardziej szczegółowoStatystyka. Wydział Zarządzania Uniwersytetu Łódzkiego
Statystyka Wydział Zarządzania Uniwersytetu Łódzkiego 2017 Zmienna losowa i jej rozkład Mając daną przestrzeń probabilistyczną, czyli parę (&, P) stanowiącą model pewnego doświadczenia losowego (gdzie
Bardziej szczegółowoDyskretne zmienne losowe
Dyskretne zmienne losowe dr Mariusz Grządziel 16 marca 2009 Definicja 1. Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x 1, x 2,..., można ustawić w ciag. Zmienna losowa X, która
Bardziej szczegółowoRachunek Prawdopodobieństwa Rozdział 5. Rozkłady łączne
Rachunek Prawdopodobieństwa Rozdział 5. Rozkłady łączne 5.0 Definicje Katarzyna Rybarczyk-Krzywdzińska Wprowadzenie Przykład 1 Bolek, Lolek i Tola wstąpili do kasyna. (A) Bolek postawił na czerwone, (B)
Bardziej szczegółowoRozkłady i ich dystrybuanty 16 marca F X (t) = P (X < t) 0, gdy t 0, F X (t) = 1, gdy t > c, 0, gdy t x 1, 1, gdy t > x 2,
Wykład 4. Rozkłady i ich dystrybuanty 6 marca 2007 Jak opisać cały rozkład jedną funkcją? Aby znać rozkład zmiennej X, musimy umieć obliczyć P (a < X < b) dla dowolnych a < b. W tym celu wystarczy znać
Bardziej szczegółowoZmienna losowa. Rozkład skokowy
Temat: Zmienna losowa. Rozkład skokowy Kody kolorów: żółty nowe pojęcie pomarańczowy uwaga * - materiał nadobowiązkowy Anna Rajfura, Matematyka i statystyka matematyczna na kierunku Rolnictwo SGGW 1 Zagadnienia
Bardziej szczegółowoWykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa
Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa Marek Kubiak Instytut Informatyki Politechnika Poznańska Plan wykładu Podstawowe pojęcia rachunku prawdopodobieństwa Rozkład
Bardziej szczegółowoIII. 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 szczegółowo1 Elementy kombinatoryki i teorii prawdopodobieństwa
1 Elementy kombinatoryki i teorii prawdopodobieństwa 1.1 Elementy kombinatoryki W rozwiązywaniu pewnych problemów związanych z obliczaniem prawdopodobieństwa o skończonej liczbie zdażeń elementarnych bardzo
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład IV: 27 października 2014 Współczynnik korelacji Brak korelacji a niezależność Definicja współczynnika korelacji Współczynnikiem korelacji całkowalnych z kwadratem zmiennych losowych X i Y nazywamy
Bardziej szczegółowoBiostatystyka, # 3 /Weterynaria I/
Biostatystyka, # 3 /Weterynaria I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, p. 221 bud. CIW, e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoWartość oczekiwana Mediana i dominanta Wariancja Nierówności związane z momentami. Momenty zmiennych losowych Momenty wektorów losowych
Przykład(Wartość średnia) Otrzymaliśmy propozycję udziału w grze polegającej na jednokrotnym rzucie symetryczną kostką. Jeśli wypadnie 1 wygrywamy2zł,;jeśliwypadnie2,płacimy1zł;za3wygrywamy 4zł;za4płacimy5zł;za5wygrywamy3złiwreszcieza6
Bardziej szczegółowoElementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa
Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący
Bardziej szczegółowoLaboratorium 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 szczegółowoWYKŁAD 3. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki
WYKŁAD 3 Witold Bednorz, Paweł Wolff 1 Instytut Matematyki Uniwersytet Warszawski Rachunek Prawdopodobieństwa, WNE, 2010-2011 Schemmat Bernouliego Rzucamy 10 razy moneta, próba Bernouliego jest pojedynczy
Bardziej szczegółowoW rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:
W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: Zmienne losowe skokowe (dyskretne) przyjmujące co najwyżej przeliczalnie wiele wartości Zmienne losowe ciągłe
Bardziej szczegółowoSTYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1
1 STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1 Klasyczny Rachunek Prawdopodobieństwa. 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany. Posiadamy
Bardziej szczegółowoSTATYSTYKA 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 szczegółowoRachunek Prawdopodobieństwa i Statystyka
Rachunek Prawdopodobieństwa i Statystyka W 2. Probabilistyczne modele danych Zmienne losowe. Rozkład prawdopodobieństwa i dystrybuanta. Wartość oczekiwana i wariancja zmiennej losowej Dr Anna ADRIAN Zmienne
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA
1 STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany.
Bardziej szczegółowoWażne rozkłady i twierdzenia c.d.
Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby
Bardziej szczegółowoZmienne 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 szczegółowoP (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 szczegółowoStatystyka matematyczna
Statystyka matematyczna Wykład 6 Magdalena Alama-Bućko 8 kwietnia 019 Magdalena Alama-Bućko Statystyka matematyczna 8 kwietnia 019 1 / 1 Rozkłady ciagłe Magdalena Alama-Bućko Statystyka matematyczna 8
Bardziej szczegółowoPrzykłady 6.1 : charakterystyki liczbowe rozkładów dyskretnych
Rachunek Prawdopodobieństwa MAP8 Wydział Matematyki, Matematyka Stosowana Przykłady 6. Wartość oczekiwana, wariancja, mediana, kwartyle rozkładu prawdopodobieństwa. Transformacje zmiennej losowej. Opracowanie:
Bardziej szczegółowoStatystyka i eksploracja danych
Projekt pn. Wzmocnienie potencjału dydaktycznego UMK w Toruniu w dziedzinach matematyczno-przyrodniczych realizowany w ramach Poddziałania 4.1.1 Programu Operacyjnego Kapitał Ludzki Statystyka i eksploracja
Bardziej szczegółowoRozkłady zmiennych losowych
Rozkłady zmiennych losowych Wprowadzenie Badamy pewną zbiorowość czyli populację pod względem występowania jakiejś cechy. Pobieramy próbę i na podstawie tej próby wyznaczamy pewne charakterystyki. Jeśli
Bardziej szczegółowoStatystyka. Magdalena Jakubek. kwiecień 2017
Statystyka Magdalena Jakubek kwiecień 2017 1 Nauka nie stara się wyjaśniać, a nawet niemal nie stara się interpretować, zajmuje się ona głównie budową modeli. Model rozumiany jest jako matematyczny twór,
Bardziej szczegółowoStatystyka i eksploracja danych
Wykład II: i charakterystyki ich rozkładów 24 lutego 2014 Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa,
Bardziej szczegółowoZmienne losowe ciągłe i ich rozkłady
Rachunek Prawdopodobieństwa i Statystyka - W3 Zmienne losowe ciągłe i ich rozkłady Dr Anna ADRIAN Paw B5, pok47 adan@agh.edu.pl Plan wykładu Zmienna losowa ciągła Dystrybuanta i unkcja gęstości rozkładu
Bardziej szczegółowoSIMR 2017/18, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania
SIMR 7/8, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania. Dana jest gęstość prawdopodobieństwa zmiennej losowej ciągłej X : { a( x) dla x [, ] f(x) = dla pozostałych x Znaleźć: i) Wartość parametru
Bardziej szczegółowoZmienne losowe. dr Mariusz Grządziel Wykład 12; 20 maja 2014
Zmienne losowe dr Mariusz Grządziel Wykład 2; 20 maja 204 Definicja. Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x, x 2,..., można ustawić w ciag. Zmienna losowa X, która przyjmuje
Bardziej szczegółowoRozkłady prawdopodobieństwa
Tytuł Spis treści Wersje dokumentu Instytut Matematyki Politechniki Łódzkiej 10 grudnia 2011 Spis treści Tytuł Spis treści Wersje dokumentu 1 Wartość oczekiwana Wariancja i odchylenie standardowe Rozkład
Bardziej szczegółowoWybrane 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 szczegółowoWykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe.
Rachunek prawdopodobieństwa MAP3040 WPPT FT, rok akad. 2010/11, sem. zimowy Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Warunkowa wartość oczekiwana.
Bardziej szczegółowoMatematyka dla biologów Zajęcia nr 13.
Matematyka dla biologów Zajęcia nr 13. Dariusz Wrzosek 16 stycznia 2019 Matematyka dla biologów Zajęcia 13. 16 stycznia 2019 1 / 34 Plan: 1 Rachunek prawdopodobienstwa-zmienne losowe o rozkładzie ciagłym
Bardziej szczegółowoZmienne losowe. Rozkład prawdopodobieństwa i dystrybuanta. Wartość oczekiwana i wariancja zmiennej losowej
Statystyka i opracowanie danych Probabilistyczne modele danych Zmienne losowe. Rozkład prawdopodobieństwa i dystrybuanta. Wartość oczekiwana i wariancja zmiennej losowej Dr Anna ADRIAN Zmienne losowe Zmienna
Bardziej szczegółowoRachunek prawdopodobieństwa i statystyka
Rachunek prawdopodobieństwa i statystyka Momenty Zmienna losowa jest wystarczająco dokładnie opisana przez jej rozkład prawdopodobieństwa. Względy praktyczne dyktują jednak potrzebę znalezienia charakterystyk
Bardziej szczegółowoσ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;
Zdarzenie losowe i zdarzenie elementarne Zdarzenie (zdarzenie losowe) - wyni pewnej obserwacji lub doświadczenia; może być ilościowy lub jaościowy. Zdarzenie elementarne - najprostszy wyni doświadczenia
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
21 marca 2011 Zmienna losowa - wst ep Przeprowadzane w praktyce badania i eksperymenty maja bardzo różnorodny charakter, niemniej jednak wiaż a sie one z rejestracja jakiś sygna lów (danych). Moga to być
Bardziej szczegółowoZadania 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 szczegółowoRozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia.
Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia. D A R I U S Z P I W C Z Y Ń S K I 2 2 ROZKŁAD ZMIENNEJ LOSOWEJ Polega na przyporządkowaniu
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 2013/2014 Wykład 3 Zmienna losowa i jej rozkłady Zdarzenia losowe Pojęcie prawdopodobieństwa
Bardziej szczegółowoRozkłady dwóch zmiennych losowych
Rozkłady dwóch zmiennych losowych Uogólnienie pojęć na rozkład dwóch zmiennych Dystrybuanta i gęstość prawdopodobieństwa Rozkład brzegowy Prawdopodobieństwo warunkowe Wartości średnie i odchylenia standardowe
Bardziej szczegółowoZmienna losowa i jej rozkład Dystrybuanta zmiennej losowej Wartość oczekiwana zmiennej losowej
Zmienna losowa i jej rozkład Dystrybuanta zmiennej losowej Wartość oczekiwana zmiennej losowej c Copyright by Ireneusz Krech ikrech@ap.krakow.pl Instytut Matematyki Uniwersytet Pedagogiczny im. KEN w Krakowie
Bardziej szczegółowoMetody probabilistyczne
Metody probabilistyczne. Twierdzenia graniczne Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 20.2.208 / 26 Motywacja Rzucamy wielokrotnie uczciwą monetą i zliczamy
Bardziej szczegółowoModelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski
Modelowanie zależności pomiędzy zmiennymi losowymi Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski P Zmienne losowe niezależne - przypomnienie Dwie rzeczywiste zmienne losowe X i Y
Bardziej szczegółowoWybrane 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 szczegółowoDefinicja 7.4 (Dystrybuanta zmiennej losowej). Dystrybuantą F zmiennej losowej X nazywamy funkcję: Własności dystrybuanty zmiennej losowej:
Definicja 7.4 (Dystrybuanta zmiennej losowej). Dystrybuantą F zmiennej losowej X nazywamy funkcję: F (t) P (X t) < t < Własności dystrybuanty zmiennej losowej: jest niemalejąca: 0 F (t) jest prawostronnie
Bardziej szczegółowoPrzegląd ważniejszych rozkładów
Przegląd ważniejszych rozkładów Rozkład dwupunktowy P (X = x) = { p dla x = a, 1 p dla x = b, to zmienna losowa X ma rozkład dwupunktowy z parametrem p (0 < p < 1). Rozkład ten pojawia się przy opisie
Bardziej szczegółowoMETODY 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 szczegółowoPodstawowe modele probabilistyczne
Wrocław University of Technology Podstawowe modele probabilistyczne Maciej Zięba maciej.zieba@pwr.edu.pl Rozpoznawanie Obrazów, Lato 2018/2019 Pojęcie prawdopodobieństwa Prawdopodobieństwo reprezentuje
Bardziej szczegółowo1 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 szczegółowoMetody probabilistyczne opracowane notatki 1. Zdefiniuj zmienną losową, rozkład prawdopodobieństwa. Przy jakich założeniach funkcje: F(x) = sin(x),
Metody probabilistyczne opracowane notatki 1. Zdefiniuj zmienną losową, rozkład prawdopodobieństwa. Przy jakich założeniach funkcje: Fx sinx, Fx a e x mogą być dystrybuantami?. Podaj twierdzenie Lindeberga
Bardziej szczegółowoMetody probabilistyczne
Metody probabilistyczne 6. Momenty zmiennych losowych Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 8.11.2018 1 / 47 Funkcje zmiennych losowych Mierzalna funkcja Y
Bardziej szczegółowoFunkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju
Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoZmienne losowe. dr Mariusz Grzadziel. rok akademicki 2016/2017 semestr letni. Katedra Matematyki, Uniwersytet Przyrodniczy we Wrocławiu
Zmienne losowe dr Mariusz Grzadziel Katedra Matematyki, Uniwersytet Przyrodniczy we Wrocławiu rok akademicki 2016/2017 semestr letni Definicja 1 Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór
Bardziej szczegółowoMetody probabilistyczne
Metody probabilistyczne 5. Zmienne losowe: wprowadzenie Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 8..208 / 42 Motywacja Często bardziej niż same zdarzenia losowe
Bardziej szczegółowoPrzykłady do zadania 3.1 :
Rachunek prawdopodobieństwa MAP5 Wydział Elektroniki, rok akad. /, sem. letni Wykładowca: dr hab. A. Jurlewicz Przykłady do listy 3: Zmienne losowe dyskretne. Rozkłady Bernoulliego (dwumianowy), Pascala,
Bardziej szczegółowoStatystyka. Wydział Zarządzania Uniwersytetu Łódzkiego
Statystyka Wydział Zarządzania Uniwersytetu Łódzkiego 2017 Podstawowe rozkłady zmiennych losowych Rozkłady zmiennych skokowych Rozkład zero-jedynkowy Rozpatrujemy doświadczenie, którego rezultatem może
Bardziej szczegółowo