Zadanie 3. ( ) Udowodnij, że jeśli (X n, F n ) jest martyngałem, to. X i > t) E X n. . t. P(sup

Wielkość: px
Rozpocząć pokaz od strony:

Download "Zadanie 3. ( ) Udowodnij, że jeśli (X n, F n ) jest martyngałem, to. X i > t) E X n. . t. P(sup"

Transkrypt

1 Szkice rozwiązań zadań z serii dwuastej oraz części zadań z kartkówki. Zadaie 1. Niech (X, F ) będzie martygałem. Czy X jest domykaly, jeśli ciąg EX l X jest zbieży? X jest zbieży prawie a pewo? X jest zbieży w L 1? Dowód. Będziemy, oczywiście, korzystać z twierdzeia o domykalości martygałów. Nie wiem dokładie, co było podae a wykładzie, więc a wszelki wypadek to, czego mogło ie być a końcu udowodię. Prawdą jest, że dla martygału jedostaja całkowalość, zbieżość w L 1 i domykalość są rówoważe, a razie będę z tego korzystał. Z zadaia 6 wyika, że w pierwszym wypadku martygał jest jedostajie całkowaly, a zatem domykaly. W trzecim wypadku, jeśli X zbiega w L 1, to jest domyklay. W drugim wypadku martygał ie musi być domykaly jeśli przykładowo P(U i = 0) = P(U i = 2) = 1/2, X = U i (to jest zay am martygał, iloczy iezależych zmieych losowych o średiej 1), to X zbiega prawie a pewo do zera, ale ie jest jedostajie całkowaly E X 1 X >2 1 = 1 dla każdego. Teraz dowód. Zakładam, że a wykładzie było przyajmiej to, co paowie Sztecel i Jakubowski podali w swojej książce że z jedostajej całkowalości wyika domykalość (tw. 2, paragraf 11.5) oraz że z domykalości wyika zbieżość w L 1 (to jest twierdzeie o ciągłości warukowej wartości oczekiwaej, tw. 3, paragraf 11.5). Wystarczy zatem sprawdzić, że ze zbieżości w L 1 wyika jedostaja całkowalość. Dowód: iech X X w L 1, ustalmy ε > 0. Weźmy takie N, że E X X < ε/2 dla > N. Dla pojedyczej zmieej całkowalej Y możemy oczywiście dobrać takie C, że E Y 1 Y >C < ε/2, to jest ciągłość całki. Zatem możemy też takie C dobrać dla skończeie wielu zmieych (po prostu bierzemy ajwiększe C dla tych zmieych). Dobierzmy zatem takie C 1 dla zmieych X 1, X 2,..., X oraz zmieej X. Niech δ = P( X > C 1 ), wtedy oczywiście dla dowolego zbioru A, jeśli P(A) < δ, to rówież E X 1 A < ε/2. Weźmy C 2 > (E X + ε/2)/δ. Wtedy P( X > C 2 ) < E X /C 2 < (E X + ε/ 2)/C 2 < δ. Niech C = max{c 1, C 2 }. Wtedy dla N mamy E X 1 X >C < ε/2, zaś dla > N mamy E X 1 X >C < E X 1 X >C + E X X 1 X >C ε/2 + ε/2 = ε. Zadaie 2. Niech (X, F ) będzie martygałem, zaś φ fukcją wypukłą. Udowodij, że Eφ(X ) jest ciągiem rosącym po. Dowód. Moża powiedzieć, że φ(x ) to podmartygał i wobec tego zadaie jest oczywiste. Ale my zrobimy je porządie, a piechotę. Chcę korzystać z ierówości E(φ(X) F) φ(e(x F)) pp., która jest uogólieiem ierówości Jesea a warukowe wartości oczekiwae. Jej dowód zajduje się (jako Stwierdzeie 6) w książce paów Sztecla i Jakubowskiego (geeralie robi się to tak, że φ(x) = sup a x+b, czyli że fukcja wypukła to supremum fukcji liiowych (wyzaczających stycze do wykresu tej fukcji), a zatem φ(x) a X + b dla każdego, stąd E(φ(X) F) a E(X F) + b, a po wzięciu supremum z prawej stroy dostaję E(φ(X) F) φ(e(x F)). Kiedy mam tę ierówość, piszę Eφ(X 1 ) = Eφ(EX F 1 ) EE(φ(X ) F 1 ) = Eφ(X ). Zadaie 3. ( ) Udowodij, że jeśli (X, F ) jest martygałem, to P(sup i X i > t) E X. t

2 Dowód. Zdefiiujmy momet stopu τ w te sposób, że τ to pierwsze takie i, że X i > t, lub X w przeciwym razie. To jest pierwsza wizyta w zbiorze borelowskim, a zatem momet stopu (jeszcze obcięta przez, ale miimum mometów stopu to też momet stopu). Wtedy lewa stroa to P(X τ > t). Z ierówości Czebyszewa mamy P(X τ > t) P( X τ > t) E X τ /t. Trzeba jeszcze wiedzieć, że E X τ E X. Moża po prostu stwierdzić, że X i to podmartygał, i powołać się a tw. Dooba dla podmartygałów. Tu założę, że tego ie umiemy i zrobię ręczie. Otóż rozważmy E X X τ. Jeśli τ =, to X τ = X. Jeśli τ <, to X τ > t, skąd X τ = X τ, zaś X X, zatem X X τ X X τ. Stąd E X X τ EX X τ = EX EX τ = 0 a mocy tw. Dooba. Zadaie 4. Rzucamy kostką (zwykłą, sześcieą) i sumujemy oczka do mometu, w którym suma oczek będzie rówa sto lub więcej. Udowodij, że wartość oczekiwaa liczby wykoaych rzutów jest pomiędzy 28 a 30. (jako zadaie z kropką moża policzyć dokładie tę wartość oczekiwaą). Dowód. Niech X i to wyik i tego rzutu, S = X i, τ to pierwszy momet, w którym S 100, jest to momet stopu (pierwsza wizyta w zbiorze Borelowskim). Oczywiście S τ 100, ale rówież S τ 1 99, skąd S τ 105. Na mocy tożsamości Walda mamy ES τ = EX 1 Eτ = 3, 5Eτ, skąd 100/3, 5 Eτ 105/3, 5, co daje tezę. Dając to zadaie myślałem, że moża jakoś sprytie policzyć S τ, ale iestety myliłem się. Moża oczywiście apisać program, który to policzy (wychodzi około ), albo wypisać dłuuugi wzór, ale ie jest to mądre ai kształcące. Zadaie 5. Niech U będzie ciągiem iezależych zmieych losowych, P(U = 1/) = P(U = 1/) = 1/2. Czy ciąg U jest zbieży prawie a pewo? według rozkładu? w L 1? według prawdopodobieństwa? Dowód. Było a wykładzie takie twierdzeie, że taki ciąg (tj. suma iezależych zmieych losowych o średiej zero) zbiega (a wszelkie możliwe z powyższych sposobów), jeśli tylko jego wariacja jest skończoa. No to ajpierw to sprawdźmy: VarS = VarU = 1/ 2 <. No to zbiega a wszelkie możliwe sposoby. Na wszelki wypadek udowodimy to twierdzeie. Zauważmy, że VarS = ES 2 (ES ) 2. Teraz ES = 0 dla każdego, czyli VarS = ES 2. Jeśli ciąg ES 2 jest zbieży, to w szczególości jest wspólie ograiczoy, zatem a mocy zadaia 6 ciąg S jest jedostajie całkowaly (bo x 2 /x ), a zatem zbiega w L 1 (patrz zadaie 1) i prawie a pewo (to też powio było być, a jeśli ie, to jest koleją częścią Twierdzeia o ciągłości warukowej wartości oczekiwaej), a zatem i według prawodopodobieństwa i według rozkładu, a mocy ogólych faktów. Zadaie 6. Udowodij, że ciąg zmieych losowych X jest jedostajie całkowaly wtedy i tylko wtedy, gdy istieje taka fukcja φ i taka stała C, że Eφ( X ) < C dla każdego oraz lim x φ(x)/x =. Dowód. Jeśli istieje taka fukcja φ, to E X 1 X >t E1 X >tφ( X ) sup x /φ( x ) sup x φ( x ) Eφ(X ) C sup x φ( x ).

3 To ostatie supremum a mocy waruku a φ zbiega do zera przy t. Jeśli atomiast rodzia X jest jedostajie całkowala, to iech t i będzie takim ciągiem rosącym, zbieżym do, że E X 1 X >ti < 4 i dla każdego i. Niech wtedy φ będzie dla x [t i, t i+1 ) rówa 2 i x. Wtedy Eφ( X ) i E1 X [t i,t i+1 )φ( X ) = i E1 X [t i,t i+1 )2 i X i 2 i E1 X >t i X i 2 i 4 i = 1. Zadaie 7. Rozważmy grę podobą do tej, która była a kartkówce. Rzucamy kostką, po każdym rzucie możemy wycofać się z gry. Jeśli się wycofamy, to asza wygraa to liczba oczek w ostatim rzucie plus liczba trójek wyrzucoych przez całą grę czyli p. ciąg 3,1,5,2,3,3,4,1,3,5 daje am w sumie 9 puktów (5 za ostati rzut i 4 za trójki), a ciąg 6,5,4,3 daje am 4 pukty (3 za ostati rzut, 1 za trójkę). Możemy wykoać maksymalie rzutów (czyli, formalie, po tym rzucie, jeśli ie wycofaliśmy się wcześiej, to ie mamy wyboru i musimy się wycofać). Zajdź (dla dowolego ustaloego ) wartość oczekiwaą aszej wygraej przy optymalej strategii gry. Dowód. Jeśli = 1, to ie ma elemetów strategii, i wartość oczekiwaa to Niech X k ozacza wyik k tego rzutu, zaś L k liczbę trójek w pierwszych k rzutach. Zmiee X k są iezależe, zaś L k powiązae wzorem L k = L k Xk =3. Wprowadźmy aturale σ ciało F k, oczywiście X k i L k są F k mierzale. Niech U k (jak zwykle) ozacza wartość oczekiwaą aszej wygraej przy optymalej strategii, czyli U k = max{x k + L k, E(U k+1 F k }, i U = X +L, zmiea U k jest F k mierzala jako fukcja zmieych F k mierzalych. Będziemy musieli liczyć warukową wartość oczekiwaą w astępym rzucie, zatem zauważmy sprytie, że X k + L k = X k + 1 Xk =3 + L k 1, przy czym pierwsze dwie zmiee są iezależe od F k 1, zaś ostatia jest F k 1 mierzala, skąd E(X k + L k F k 1 ) = L k 1 + EX k + E1 Xk =3 = L k Stąd U 1 = max{x 1 + L 1, E(U F 1 )} = max{x 1 + L 1, L 3 1). Zauważmy, że to, która z tych liczb jest większa zależy wyłączie od X 1, a ie od L 1, i asza strategia w 1 wszym rzucie to grać dalej, jeśli a kostce wyszło miej iż 3, a brać co dają, jeśli wyszło więcej. Liczymy zatem dalej: E(U 1 F 2 ) = E(1 X 1 4(X 1 + L 1 ) F 2 ) + E(1 X 1 3(L ) F 3 2). Zauważmy dodatkowo, że 1 X 1 4L 1 = 1 X 1 4L 2 (bo skoro w 1 wszym rzucie wypadło 4 lub więcej, to liczba trójek ie wzrasta), zaś dwa czyiki iloczyu po prawej stroie są iezależe. Teraz to, co mierzale wyłączamy przed wartość oczekiwaa, pod spodem zostają tylko rzeczy iezależe, które uśrediamy, i wychodzi 5 + 1L L = L Widzimy więc, że jeśli będziemy grali dalej, to średio wygramy obecą liczbę trójek plus cztery i pół. Wobec tego oczywiście strategia w 2 gim rzucie to brać piątkę i szóstkę, a od czwórki w dół rzucać dalej (zowu, zwróćmy uwagę, zależy tylko od X 2, a ie od L 2 ). Teraz jeszcze trzeba to kilka razy zrobić (w pierwszym ruchu wyciągam wszystko z L 2 przed awias i wyodrębiam ostati rzut): E(U 2 F 3 ) = E(1 X 2 5(X 2 + L 2 ) F 3 ) + E(1 X 2 4(L ) F 3) = E(L X 2 =3 F 3 ) + E(1 X 2 5X 2 F 3 ) E(1 X 2 4 F 3 ) = L = L Widzimy więc, że w 3 cim rzucie wartość oczekiwaa wygraej jeśli zagramy dalej to 5 plus obeca liczba trójek. Czyli bierzemy szóstkę, gramy dalej a 1, 2, 3, 4, a a piątce wszystko jedo (powiedzmy, że też gramy dalej). Liczymy dalej:

4 E(U 3 F 4 ) = E(1 X 3 =6(X 3 + L 3 ) F 4 ) + E(1 X 3 5(L 3 + 5) F 4 ) = E(L X 3 =3 F 4 ) + E(1 X 3 =6X 3 F 4 ) + 5E(1 X 3 5 F 4 ) = L = L Te sam rachuek będzie się powtarzał tak długo, jak wartość oczekiwaa w astępym rzucie będzie miejsza iż 6 plus obeca liczba trójek. Niech E(U k+1 F k ) = c k +L k (wzór te zgadza się dla k = 4 przy c 4 = Wtedy, o ile c k > 5 i c k < 6, mamy E(U k+1 F k ) = E(1 X k+1 =6(X k+1 + L k+1 ) F k ) + E(1 X k+1 5(L k+1 + c k 1 ) F k ) = E(L k + 1 X k+1 =3 F k ) + E(1 X k+1 =6X k+1 F k ) + c k 1 E(1 X k+1 5 F k ) = L k c k 1, czyli wzór faktyczie działa dla k (formalie tu jest idukcja po k) i c k = 7 + 5c 6 6 k 1. Zatem c 5 = 5 11, c 18 6 = 5 91 i c = Tu idukcja się załamuje (bo c > 6), i strategią zaczya być zawsze graj dalej bo wartość oczekiwaa przyszłej wygraej jest zawsze większa od wartości obecej wygraej. Wobec tego E(U k+1 F k ) = E(L +k+1 + c k 1 F k ) = E(L k + 1 X k+1 =3 + c k 1 F k ) = L k c k 1, Czyli dla k > 7 mamy c k = (k 7)/6. Wobec tego (zakładam tu, że 8, w 648 miejszych przypadkach wyik daje się odczytać z rachuków powyżej) mamy w szczególości E(U 1 F 0 ) = L 0 + c = ( 7)/6 = + /6 4, 87 + / Iterpretacja, którą moża temu adać jest taka mamy tu grę, w której z jedej stroy chcemy grać jak ajdłużej (bo geeralie każdy rzut zwiększa am wartość oczekiwaą liczby szóstek za to odpowiada czyik /6), ale z drugiej, przyajmiej pod koiec gry, jedak ie chcemy grać do samego końca, tylko ieco optymalizować pukty, które dostaiemy za rzut kostką. Moglibyśmy zigorować te małe pukty i zawsze grać do końca (wtedy wygrywa się 3, 5 + /6), atomiast ieco kombiując pod koiec jesteśmy w staie średio te dodatkowy ieco poad pukt zdobyć. I jeszcze dwa zadaia z kartkówki (pozostałych ie robię zadaia teoretyczego ie ma sesu robić, zadaie sprawdź, czy to martygał było raczej proste, zaś zadaie z optymalego stopowaie jest podzbiorem zadaia zrobioego powyżej). Zadaie 8. Niech (X ) =1 będzie ciągiem iezależych zmieych losowych, przy czym P(X = ) = P(X = ) = 1 2 oraz P(X = 0) = 1 1. Czy ciąg (X ) spełia waruek Lideberga? Dowód. Liczymy wariację. EX = 0, VarX = EX 2 = = 1. Zatem S 2 =, S =. Piszemy waruek Lideberga: L (ε) = 1 S 2 E(X i EX i ) 2 1 Xi EX i >εs = 1 EXi 2 1 Xi >ε. Teraz jest momet, żeby chwilkę pomyśleć. Jeśli i > ε, czyli i > ε 2, to idykator jest zerem tylko kiedy X i jest zerem (bo jeśli X i jest iezerowe, to X i = i > ε ). Zatem dla

5 takich i mamy X 2 i 1 Xi >ε = X 2 i. Ustalmy sobie ε < 1 2, wtedy mamy L (ε) 1 EXi 2 = 1 i=/2 i=/2 1 = /2 = 1 2, co ie zbiega do zera. Zatem ciąg X ie spełia waruku Lideberga. Zadaie 9. Niech (X ) =1 będzie ciągiem iezależych zmieych losowych, przy czym P(X = 4 ) = P(X = 4 ) = 1 4 oraz P(X = 0) = Czy ciąg (X ) spełia waruek Lideberga? Dowód. Liczymy wariację. EX = 0, VarX = EX 2 = = 1. Zatem 2 S2 = /2, S = /2. Piszemy waruek Lideberga: L (ε) = 1 S 2 E(X i EX i ) 2 1 Xi EX i >εs = 2 EXi 2 1 Xi >ε / 2. Teraz jest momet, żeby chwilkę pomyśleć. Zauważmy, że X i oprócz zera przyjmuje wartości ± 4 i, a więc co do modułu istotie miejsze od. Jeśli zatem weźmiemy 4 < ε / 2, czyli > 4/ε 4, to mamy X i < 4 i 4 < ε / 2, a zatem idykator zika prawie a pewo, czyli L (ε) = 0, a zatem w szczególości zbiega do zera (bo zika dla dostateczie dużych ). Czyli ciąg X spełia waruek Lideberga.

1 Twierdzenia o granicznym przejściu pod znakiem całki

1 Twierdzenia o granicznym przejściu pod znakiem całki 1 Twierdzeia o graiczym przejściu pod zakiem całki Ozaczeia: R + = [0, ) R + = [0, ] (X, M, µ), gdzie M jest σ-ciałem podzbiorów X oraz µ: M R + - zbiór mierzaly, to zaczy M Twierdzeie 1.1. Jeżeli dae

Bardziej szczegółowo

Twierdzenia graniczne:

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

Bardziej szczegółowo

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1 Tekst a iebiesko jest kometarzem lub treścią zadaia. Zadaie 1. Zbadaj mootoiczość i ograiczoość ciągów. a = + 3 + 1 Ciąg jest mootoiczie rosący i ieograiczoy poieważ różica kolejych wyrazów jest dodatia.

Bardziej szczegółowo

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

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

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Matematyka ubezpieczeń majątkowych 6..003 r. Zadaie. W kolejych okresach czasu t =,, 3, 4, 5 ubezpieczoy, charakteryzujący się parametrem ryzyka Λ, geeruje szkód. Dla daego Λ = λ zmiee N, N,..., N 5 są

Bardziej szczegółowo

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim.

Damian Doroba. Ciągi. 1. Pierwsza z granic powinna wydawać się oczywista. Jako przykład może służyć: lim n = lim n 1 2 = lim. Damia Doroba Ciągi. Graice, z których korzystamy. k. q.. 5. dla k > 0 dla k 0 0 dla k < 0 dla q > 0 dla q, ) dla q Nie istieje dla q ) e a, a > 0. Opis. Pierwsza z graic powia wydawać się oczywista. Jako

Bardziej szczegółowo

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X Matematyka ubezpieczeń majątkowych.0.0 r. Zadaie. Mamy day ciąg liczb q, q,..., q z przedziału 0,. Rozważmy trzy zmiee losowe: o X X X... X, gdzie X i ma rozkład dwumiaowy o parametrach,q i, i wszystkie

Bardziej szczegółowo

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic). Materiały dydaktycze Aaliza Matematycza Wykład Ciągi liczbowe i ich graice. Graice ieskończoe. Waruek Cauchyego. Działaia arytmetycze a ciągach. Podstawowe techiki obliczaia graic ciągów. Istieie graic

Bardziej szczegółowo

O liczbach naturalnych, których suma równa się iloczynowi

O liczbach naturalnych, których suma równa się iloczynowi O liczbach aturalych, których suma rówa się iloczyowi Lew Kurladczyk i Adrzej Nowicki Toruń UMK, 10 listopada 1998 r. Liczby aturale 1, 2, 3 posiadają szczególą własość. Ich suma rówa się iloczyowi: Podobą

Bardziej szczegółowo

3. Funkcje elementarne

3. Funkcje elementarne 3. Fukcje elemetare Fukcjami elemetarymi będziemy azywać fukcję tożsamościową x x, fukcję wykładiczą, fukcje trygoometrycze oraz wszystkie fukcje, jakie moża otrzymać z wyżej wymieioych drogą astępujących

Bardziej szczegółowo

Zadania z analizy matematycznej - sem. I Szeregi liczbowe

Zadania z analizy matematycznej - sem. I Szeregi liczbowe Zadaia z aalizy matematyczej - sem. I Szeregi liczbowe Defiicja szereg ciąg sum częściowyc. Szeregiem azywamy parę uporządkowaą a ) S ) ) ciągów gdzie: ciąg a ) ciąg S ) jest day jest ciągiem sum częściowych

Bardziej szczegółowo

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji http://www.ii.ui.wroc.pl/ sle/teachig/a-apr.pdf Aaliza umerycza Staisław Lewaowicz Grudzień 007 r. Aproksymacja fukcji Pojęcia wstępe Defiicja. Przestrzeń liiową X (ad ciałem liczb rzeczywistych R) azywamy

Bardziej szczegółowo

P ( i I A i) = i I P (A i) dla parami rozłącznych zbiorów A i. F ( ) = lim t F (t) = 0, F (+ ) = lim t + F (t) = 1.

P ( i I A i) = i I P (A i) dla parami rozłącznych zbiorów A i. F ( ) = lim t F (t) = 0, F (+ ) = lim t + F (t) = 1. Podstawy teorii miary probabilistyczej. Zbiory mierzale σ ciało zbiorów Załóżmy, że mamy jakiś zbiór Ω. Niech F będzie taką rodzią podzbiorów Ω, że: Ω F A F A F i I A i F i I A i F Wtedy rodzię F azywamy

Bardziej szczegółowo

Analiza I.1, zima wzorcowe rozwiązania

Analiza I.1, zima wzorcowe rozwiązania Aaliza I., zima 07 - wzorcowe rozwiązaia Marci Kotowsi 5 listopada 07 Zadaie. Udowodij, że dla ażdego aturalego liczba 7 + dzieli się przez 6. Dowód. Tezę udowodimy za pomocą iducji matematyczej. Najpierw

Bardziej szczegółowo

1 Układy równań liniowych

1 Układy równań liniowych Katarzya Borkowska, Wykłady dla EIT, UTP Układy rówań liiowych Defiicja.. Układem U m rówań liiowych o iewiadomych azywamy układ postaci: U: a x + a 2 x 2 +... + a x =b, a 2 x + a 22 x 2 +... + a 2 x =b

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0, Zadaie iech X, X,, X 6 będą iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), a Y, Y,, Y6 iezależymi zmieymi losowymi z rozkładu jedostajego a przedziale ( 0, ), gdzie, są iezaymi

Bardziej szczegółowo

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 + Zadaia róże W tym rozdziale zajdują się zadaia ietypowe, często dotyczące łańcuchów Markowa oraz własości zmieych losowych. Pojawią się także zadaia z estymacji Bayesowskiej.. (Eg 8/) Rozważamy łańcuch

Bardziej szczegółowo

Szeregi liczbowe i ich własności. Kryteria zbieżności szeregów. Zbieżność bezwzględna i warunkowa. Mnożenie szeregów.

Szeregi liczbowe i ich własności. Kryteria zbieżności szeregów. Zbieżność bezwzględna i warunkowa. Mnożenie szeregów. Materiały dydaktyze Aaliza Matematyza (Wykład 3) Szeregi lizbowe i ih własośi. Kryteria zbieżośi szeregów. Zbieżość bezwzględa i warukowa. Możeie szeregów. Defiija. Nieh {a } N będzie iągiem lizbowym.

Bardziej szczegółowo

I. Ciągi liczbowe. , gdzie a n oznacza n-ty wyraz ciągu (a n ) n N. spełniający warunek. a n+1 a n = r, spełniający warunek a n+1 a n

I. Ciągi liczbowe. , gdzie a n oznacza n-ty wyraz ciągu (a n ) n N. spełniający warunek. a n+1 a n = r, spełniający warunek a n+1 a n I. Ciągi liczbowe Defiicja 1. Fukcję określoą a zbiorze liczb aturalych o wartościach rzeczywistych azywamy ciągiem liczbowym. Ciągi będziemy ozaczać symbolem a ), gdzie a ozacza -ty wyraz ciągu a ). Defiicja.

Bardziej szczegółowo

1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n.

1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n. Przedziały ufości W tym rozdziale będziemy zajmować się przede wszystkim zadaiami związaymi z przedziałami ufości Będą as rówież iteresować statystki pozycyje oraz estymatory ajwiększej wiarygodości (Eg

Bardziej szczegółowo

I kolokwium z Analizy Matematycznej

I kolokwium z Analizy Matematycznej I kolokwium z Aalizy Matematyczej 4 XI 0 Grupa A. Korzystając z zasady idukcji matematyczej udowodić ierówość dla wszystkich N. Rozwiązaie:... 4 < + Nierówość zachodzi dla, bo 4

Bardziej szczegółowo

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y Zadaie. Łącza wartość szkód z pewego ubezpieczeia W = Y + Y +... + YN ma rozkład złożoy Poissoa z oczekiwaą liczbą szkód rówą λ i rozkładem wartości pojedyczej szkody takim, że ( Y { 0,,,3,... }) =. Niech:

Bardziej szczegółowo

Wykład z Rachunku Prawdopodobieństwa II

Wykład z Rachunku Prawdopodobieństwa II Matematyka stosowaa Wykład z Rachuku Prawdopodobieństwa II Adam Osękowski ados@mimuw.edu.pl http://www.mimuw.edu.pl/~ados Uiwersytet Warszawski, 2011 Streszczeie. Celem iiejszego skryptu jest wprowadzeie

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie. Wykoujemy rzuty symetryczą kością do gry do chwili uzyskaia drugiej szóstki. Niech Y ozacza zmieą losową rówą liczbie rzutów w których uzyskaliśmy ie wyiki iż szóstka a zmieą losową rówą liczbie

Bardziej szczegółowo

STATYSTKA I ANALIZA DANYCH LAB II

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

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa I - 1

Zadania z Rachunku Prawdopodobieństwa I - 1 Zadaia z Rachuku Prawdopodobieństwa I - 1 1. Grupę dzieci ustawioo w sposób losowy w szereg. Oblicz prawdopodobieństwo tego, że a) Jacek i Agatka stoją koło siebie, b) Jacek, Placek i Agatka stoją koło

Bardziej szczegółowo

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne Wykład 4 Niezależość zmieych, fukcje i charakterystyki wektora losowego, cetrale twierdzeia graicze Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym Lista 5 Zadaia a zastosowaie ierówosci Markowa i Czebyszewa. Zadaie 1. Niech zmiea losowa X ma rozkład jedostajy a odciku [0, 1]. Korzystając z ierówości Markowa oszacować od góry prawdopodobieństwo, że

Bardziej szczegółowo

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe Metody probabilistycze i statystyka Wykład 1 Zdarzeia losowe, defiicja prawdopodobieństwa, zmiee losowe Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki

Bardziej szczegółowo

5. Zasada indukcji matematycznej. Dowody indukcyjne.

5. Zasada indukcji matematycznej. Dowody indukcyjne. Notatki do lekcji, klasa matematycza Mariusz Kawecki, II LO w Chełmie 5. Zasada idukcji matematyczej. Dowody idukcyje. W rozdziale sformułowaliśmy dla liczb aturalych zasadę miimum. Bezpośredią kosekwecją

Bardziej szczegółowo

Wykład 13: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

Wykład 13: Zbieżność według rozkładu. Centralne twierdzenie graniczne. Rachuek prawopoobieństwa MA064 Wyział Elektroiki, rok aka 2008/09, sem leti Wykłaowca: r hab A Jurlewicz Wykła 3: Zbieżość weług rozkłau Cetrale twierzeie graicze Zbieżości ciągu zmieych losowych weług

Bardziej szczegółowo

Zestaw zadań do skryptu z Teorii miary i całki. Katarzyna Lubnauer Hanna Podsędkowska

Zestaw zadań do skryptu z Teorii miary i całki. Katarzyna Lubnauer Hanna Podsędkowska Zestaw zadań do skryptu z Teorii miary i całki Katarzya Lubauer Haa Podsędkowska Ciała σ - ciała. Zbadaj czy rodzia A jest ciałem w przestrzei X=[0] a) A = X 0 b) A = X 0 3 3 c) A = { X { }{}{ 0}{ 0 }

Bardziej szczegółowo

Zadania z rachunku prawdopodobieństwa I* Siedmiu pasażerów przydzielono losowo do trzech wagonów. Jakie jest prawdopodobieństwo

Zadania z rachunku prawdopodobieństwa I* Siedmiu pasażerów przydzielono losowo do trzech wagonów. Jakie jest prawdopodobieństwo Zadaia z rachuku prawdopodobieństwa I* - 1 1. Grupę dzieci ustawioo w sposób losowy w szereg. Oblicz prawdopodobieństwo tego, że a) Jacek i Agatka stoją koło siebie, b) Jacek, Placek i Agatka stoją koło

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16 Egzami,.9.6, godz. :-5: Zadaie. ( puktów) Wyzaczyć wszystkie rozwiązaia rówaia z 4 = 4 w liczbach zespoloych. Zapisać wszystkie rozwiązaia w postaci kartezjańskiej (bez używaia fukcji trygoometryczych)

Bardziej szczegółowo

Matematyka I. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 11

Matematyka I. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 11 Matematyka I Bezpieczeństwo jądrowe i ochroa radiologicza Semestr zimowy 2018/2019 Wykład 11 Całka ozaczoa podstawowe pojęcia Defiicja podziału odcika Podziałem P odcika < a, b > a części azywamy zbiór

Bardziej szczegółowo

Analiza matematyczna. Robert Rałowski

Analiza matematyczna. Robert Rałowski Aaliza matematycza Robert Rałowski 6 paździerika 205 2 Spis treści 0. Liczby aturale.................................... 3 0.2 Liczby rzeczywiste.................................... 5 0.2. Nierówości...................................

Bardziej szczegółowo

Ekonomia matematyczna - 1.1

Ekonomia matematyczna - 1.1 Ekoomia matematycza - 1.1 Elemety teorii kosumeta 1. Pole preferecji Ozaczmy R x x 1,...,x : x j 0 x x, x j1 j. R rozpatrujemy z ormą x j 2. Dla x x 1,...,x,p p 1,...,p Ip x, p x j p j x 1 p 1 x 2 p 2...x

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17 Egzami, 18.02.2017, godz. 9:00-11:30 Zadaie 1. (22 pukty) W każdym z zadań 1.1-1.10 podaj w postaci uproszczoej kresy zbioru oraz apisz, czy kresy ależą do zbioru (apisz TAK albo NIE, ewetualie T albo

Bardziej szczegółowo

Metody badania zbieżności/rozbieżności ciągów liczbowych

Metody badania zbieżności/rozbieżności ciągów liczbowych Metody badaia zbieżości/rozbieżości ciągów liczbowych Ryszard Rębowski 14 grudia 2017 1 Wstęp Kluczowe pytaie odoszące się do zagadieia badaia zachowaia się ciągu liczbowego sprowadza się do sposobu opisu

Bardziej szczegółowo

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7 Metody probabilistycze i statystyka Estymacja Dr Joaa Baaś Zakład Badań Systemowych Istytut Sztuczej Iteligecji i Metod Matematyczych Wydział Iformatyki Politechiki Szczecińskiej Metody probabilistycze

Bardziej szczegółowo

2. Nieskończone ciągi liczbowe

2. Nieskończone ciągi liczbowe Ciągiem liczbowym azywamy fukcję 2. Nieskończoe ciągi liczbowe a: N R. Wartości tej fukcji ozaczamy przez a) = a i azywamy wyrazami ciągu. Często ciąg ozaczamy przez {a } = lub po prostu przez {a }. Prostymi

Bardziej szczegółowo

Wykład 8: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

Wykład 8: Zbieżność według rozkładu. Centralne twierdzenie graniczne. Rachuek prawopoobieństwa MA5 Wyział Elektroiki, rok aka 20/2, sem leti Wykłaowca: r hab A Jurlewicz Wykła 8: Zbieżość weług rozkłau Cetrale twierzeie graicze Zbieżości ciągu zmieych losowych weług rozkłau

Bardziej szczegółowo

Wzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Wzór Taylora. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Wzór Taylora Szeregi potęgowe Matematyka Studium doktorackie KAE SGH Semestr leti 8/9 R. Łochowski Graica fukcji w pukcie Niech f: R D R, R oraz istieje ciąg puktów D, Fukcja f ma w pukcie graicę dowolego

Bardziej szczegółowo

Lista 6. Estymacja punktowa

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

Bardziej szczegółowo

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 2: RENTY. PRZEPŁYWY PIENIĘŻNE. TRWANIE ŻYCIA 1. Rety Retą azywamy pewie ciąg płatości. Na razie będziemy je rozpatrywać bez żadego związku z czasem życiem człowieka.

Bardziej szczegółowo

dna szeregu. ; m., k N ; ó. ; u. x 2n 1 ; e. n n! jest, że

dna szeregu. ; m., k N ; ó. ; u. x 2n 1 ; e. n n! jest, że KILKA ZADAŃ O SZEREGACH Zbadać zbieżość i zbieżość bezwzgle da = a, jeśli a = a!! ; a + + ; c + ; ć! ; d +/ + 3 ; e! e 3 3+ ; f ; + g 000+ ; h ; + i! ; j k ; l 5 + l + 7 0 +3 6 0 + ; +3 ; ; m 3 + 3 ; +a

Bardziej szczegółowo

8. Jednostajność. sin x sin y = 2 sin x y 2

8. Jednostajność. sin x sin y = 2 sin x y 2 8. Jedostajość Mówimy, że fukcja f : I R spełia waruek Lipschitza ze stałą C > 0, jeśli fx) fy) C x y, x, y I. 8.. Przykład. a) Taką fukcją jest p. si : R [, ]. Rzeczywiście, si x si y = 2 si x y 2 cos

Bardziej szczegółowo

0.1 Statystyczne Podstawy Modelu Regresji

0.1 Statystyczne Podstawy Modelu Regresji 0.1 Statystycze Podstawy Modelu Regresji iech daa będzie przestrzeń probabilistycza (Ω, F, P ). Fukcję X : Ω R, określoą a przestrzei zdarzeń elemetarych Ω, o wartościach rzeczywistych, takich że x R {ω

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna A1, zima 2011/12. Kresy zbiorów. x Z M R

Jarosław Wróblewski Analiza Matematyczna A1, zima 2011/12. Kresy zbiorów. x Z M R Kresy zbiorów. Ćwiczeia 21.11.2011: zad. 197-229 Kolokwium r 7, 22.11.2011: materiał z zad. 1-249 Defiicja: Zbiór Z R azywamy ograiczoym z góry, jeżeli M R x Z x M. Każdą liczbę rzeczywistą M R spełiającą

Bardziej szczegółowo

θx θ 1, dla 0 < x < 1, 0, poza tym,

θx θ 1, dla 0 < x < 1, 0, poza tym, Zadaie 1. Niech X 1,..., X 8 będzie próbą z rozkładu ormalego z wartością oczekiwaą θ i wariacją 1. Niezay parametr θ jest z kolei zmieą losową o rozkładzie ormalym z wartością oczekiwaą 0 i wariacją 1.

Bardziej szczegółowo

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X Prawdoodobieństwo i statystyka 5..008 r. Zadaie. Załóżmy że 3 są iezależymi zmieymi losowymi o jedakowym rozkładzie Poissoa z wartością oczekiwaą λ rówą 0. Obliczyć v = var( 3 + + + 3 = 9). (A) v = 0 (B)

Bardziej szczegółowo

Szeregi liczbowe. 15 stycznia 2012

Szeregi liczbowe. 15 stycznia 2012 Szeregi liczbowe 5 styczia 0 Szeregi o wyrazach dodatich. Waruek koieczy zbieżości szeregu Defiicja.Abyszereg a < byłzbieżyciąga musizbiegaćdo0. Jest to waruek koieczy ale ie dostateczy. Jak wiecie z wykładu(i

Bardziej szczegółowo

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych Wokół testu Studeta Wprowadzeie Rozkłady prawdopodobieństwa występujące w testowaiu hipotez dotyczących rozkładów ormalych Rozkład ormaly N(µ, σ, µ R, σ > 0 gęstość: f(x σ (x µ π e σ Niech a R \ {0}, b

Bardziej szczegółowo

SZEREGI LICZBOWE. s n = a 1 + a a n = a k. k=1. aq n = 1 qn+1 1 q. a k = s n + a k, k=n+1. s n = 0. a k lim n

SZEREGI LICZBOWE. s n = a 1 + a a n = a k. k=1. aq n = 1 qn+1 1 q. a k = s n + a k, k=n+1. s n = 0. a k lim n SZEREGI LICZBOWE Z ciągu liczb a, a 2,... utwórzmy owy ciąg Przyjmijmy ozaczeia s = a + a 2 +... a = a k. k= k= a k = a + a 2 +... = s. Gdy graica k= a k jest liczbą, to mówimy, że szereg k= a k jest sumowaly

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VI: Metoda Mote Carlo 17 listopada 2014 Zastosowaie: przybliżoe całkowaie Prosta metoda Mote Carlo Przybliżoe obliczaie całki ozaczoej Rozważmy całkowalą fukcję f : [0, 1] R. Chcemy zaleźć przybliżoą

Bardziej szczegółowo

0.1 ROZKŁADY WYBRANYCH STATYSTYK

0.1 ROZKŁADY WYBRANYCH STATYSTYK 0.1. ROZKŁADY WYBRANYCH STATYSTYK 1 0.1 ROZKŁADY WYBRANYCH STATYSTYK Zadaia 0.1.1. Niech X 1,..., X będą iezależymi zmieymi losowymi o tym samym rozkładzie. Obliczyć ES 2 oraz D 2 ( 1 i=1 X 2 i ). 0.1.2.

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

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n = Rozwiązanie: Stosując wzór na wartość współczynnika dwumianowego otrzymujemy 12. Dowieść, że istieje ieskończeie wiele par liczb aturalych k < spełiających rówaie ( ) ( ) k. k k +1 Stosując wzór a wartość współczyika dwumiaowego otrzymujemy ( ) ( )!! oraz k k! ( k)! k +1 (k +1)!

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa I Siedmiu pasażerów przydzielono losowo do trzech wagonów. Jakie jest prawdopodobieństwo

Zadania z Rachunku Prawdopodobieństwa I Siedmiu pasażerów przydzielono losowo do trzech wagonów. Jakie jest prawdopodobieństwo Zadaia z Rachuku Prawdopodobieństwa I - 1 1. Grupę dzieci ustawioo w sposób losowy w szereg. Oblicz prawdopodobieństwo tego, że a) Jacek i Agatka stoją koło siebie, b) Jacek, Placek i Agatka stoją koło

Bardziej szczegółowo

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej 3. Regresja liiowa 3.. Założeia dotyczące modelu regresji liiowej Aby moża było wykorzystać model regresji liiowej, muszą być spełioe astępujące założeia:. Relacja pomiędzy zmieą objaśiaą a zmieymi objaśiającymi

Bardziej szczegółowo

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że:

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że: Zadaie. Niech zmiee losowe: X t,k = μ + α k + β t + ε t,k, k =,2,, K oraz t =,2,, T, ozaczają łącze wartości szkód odpowiedio dla k-tego kotraktu w t-tym roku. O składikach aszych zmieych zakładamy, że:

Bardziej szczegółowo

Zmienna losowa N ma rozkład ujemny dwumianowy z parametrami (, q) = 7,

Zmienna losowa N ma rozkład ujemny dwumianowy z parametrami (, q) = 7, Matematyka ubezpieczeń majątkowych.0.008 r. Zadaie. r, Zmiea losowa N ma rozkład ujemy dwumiaowy z parametrami (, q), tz.: Pr( N k) (.5 + k) (.5) k! Γ Γ * Niech k ozacza taką liczbę aturalą, że: * k if{

Bardziej szczegółowo

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40.

40:5. 40:5 = 500000υ5 5p 40, 40:5 = 500000 5p 40. Portfele polis Poieważ składka jest ustalaa jako wartość oczekiwaa rzeczywistego, losowego kosztu ubezpieczeia, więc jest tym bliższa średiej wydatków im większa jest liczba ubezpieczoych Polisy grupuje

Bardziej szczegółowo

Funkcja wykładnicza i logarytm

Funkcja wykładnicza i logarytm Rozdział 3 Fukcja wykładicza i logarytm Potrafimy już defiiować potęgi liczb dodatich o wykładiku wymierym: jeśli a > 0 i x = p/q Q dla p, q N, to aturalie jest przyjąć a x = a 1/q) p = a 1/q } {{... a

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi.

Jarosław Wróblewski Analiza Matematyczna 1A, zima 2012/13. Ciągi. Jarosław Wróblewski Aaliza Matematycza 1A, zima 2012/13 Ciągi. Ćwiczeia 5.11.2012: zad. 140-173 Kolokwium r 5, 6.11.2012: materiał z zad. 1-173 Ćwiczeia 12.11.2012: zad. 174-190 13.11.2012: zajęcia czwartkowe

Bardziej szczegółowo

Trochę zadań kombinatorycznych. 1. na ile sposobów można siedmiu stojących na peronie pasażerów umieścić w trzech wagonach?

Trochę zadań kombinatorycznych. 1. na ile sposobów można siedmiu stojących na peronie pasażerów umieścić w trzech wagonach? Trochę zadań kombiatoryczych 1. a ile sposobów moża siedmiu stojących a peroie pasażerów umieścić w trzech wagoach? 2. Na szachowicy o wymiarach umieszczamy 8 ierozróżialych wież szachowych tak aby żade

Bardziej szczegółowo

Zadania z Matematyka 2 - SIMR 2008/ szeregi zadania z rozwiązaniami. n 1. n n. ( 1) n n. n n + 4

Zadania z Matematyka 2 - SIMR 2008/ szeregi zadania z rozwiązaniami. n 1. n n. ( 1) n n. n n + 4 Zadaia z Matematyka - SIMR 00/009 - szeregi zadaia z rozwiązaiami. Zbadać zbieżość szeregu Rozwiązaie: 0 4 4 + 6 0 : Dla dostateczie dużych 0 wyrazy szeregu są ieujeme 0 a = 4 4 + 6 0 0 Stosujemy kryterium

Bardziej szczegółowo

O trzech elementarnych nierównościach i ich zastosowaniach przy dowodzeniu innych nierówności

O trzech elementarnych nierównościach i ich zastosowaniach przy dowodzeniu innych nierówności Edward Stachowski O trzech elemetarych ierówościach i ich zastosowaiach przy dowodzeiu iych ierówości Przy dowodzeiu ierówości stosujemy elemetare przejścia rówoważe, przeprowadzamy rozumowaie typu: jeżeli

Bardziej szczegółowo

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy Wyład 7 Przestrzeie metrycze zwarte Defiicja 8 (przestrzei zwartej i zbioru zwartego Przestrzeń metryczą ( ρ X azywamy zwartą jeśli ażdy ciąg elemetów tej przestrzei posiada podciąg zbieży (do putu tej

Bardziej szczegółowo

Analiza numeryczna Kurs INP002009W. Wykład 1 Narzędzia matematyczne. Karol Tarnowski A-1 p.223

Analiza numeryczna Kurs INP002009W. Wykład 1 Narzędzia matematyczne. Karol Tarnowski A-1 p.223 Aaliza umerycza Kurs INP002009W Wykład Narzędzia matematycze Karol Tarowski karol.tarowski@pwr.wroc.pl A- p.223 Pla wykładu Czym jest aaliza umerycza? Podstawowe pojęcia Wzór Taylora Twierdzeie o wartości

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadaie 1 Rzucamy 4 kości do gry (uczciwe). Prawdopodobieństwo zdarzeia iż ajmiejsza uzyskaa a pojedyczej kości liczba oczek wyiesie trzy (trzy oczka mogą wystąpić a więcej iż jedej kości) rówe jest: (A)

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa I Siedmiu pasażerów przydzielono losowo do trzech wagonów. Jakie jest prawdopodobieństwo

Zadania z Rachunku Prawdopodobieństwa I Siedmiu pasażerów przydzielono losowo do trzech wagonów. Jakie jest prawdopodobieństwo Zadaia z Rachuku Prawdopodobieństwa I - 1 1. Grupę dzieci ustawioo w sposób losowy w szereg. Oblicz prawdopodobieństwo tego, że a) Jacek i Agatka stoją koło siebie, b) Jacek, Placek i Agatka stoją koło

Bardziej szczegółowo

MACIERZE STOCHASTYCZNE

MACIERZE STOCHASTYCZNE MACIERZE STOCHASTYCZNE p ij - prawdopodobieństwo przejścia od stau i do stau j w jedym (dowolym) kroku, [p ij ]- macierz prawdopodobieństw przejść (w jedym kroku), Własości macierzy prawdopodobieństw przejść:

Bardziej szczegółowo

I. Podzielność liczb całkowitych

I. Podzielność liczb całkowitych I Podzielość liczb całkowitych Liczba a = 57 przy dzieleiu przez pewą liczbę dodatią całkowitą b daje iloraz k = 3 i resztę r Zaleźć dzieik b oraz resztę r a = 57 = 3 b + r, 0 r b Stąd 5 r b 8, 3 więc

Bardziej szczegółowo

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 STATYSTYKA Rafał Kucharski Uiwersytet Ekoomiczy w Katowicach 2015/16 ROND, Fiase i Rachukowość, rok 2 Rachuek prawdopodobieństwa Rzucamy 10 razy moetą, dla której prawdopodobieństwo wyrzuceia orła w pojedyczym

Bardziej szczegółowo

Zadania z Rachunku Prawdopodobieństwa I Grupę n dzieci ustawiono w sposób losowy w szereg. Oblicz prawdopodobieństwo

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

Bardziej szczegółowo

Internetowe Kółko Matematyczne 2004/2005

Internetowe Kółko Matematyczne 2004/2005 Iteretowe Kółko Matematycze 2004/2005 http://www.mat.ui.toru.pl/~kolka/ Zadaia dla szkoły średiej Zestaw I (20 IX) Zadaie 1. Daa jest liczba całkowita dodatia. Co jest większe:! czy 2 2? Zadaie 2. Udowodij,

Bardziej szczegółowo

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i =

Teoria. a k. Wskaźnik sumowania można oznaczać dowolną literą. Mamy np. a j = a i = Zastosowaie symboli Σ i Π do zapisu sum i iloczyów Teoria Niech a, a 2,..., a będą dowolymi liczbami. Sumę a + a 2 +... + a zapisuje się zazwyczaj w postaci (czytaj: suma od k do a k ). Zak Σ to duża grecka

Bardziej szczegółowo

Jarosław Wróblewski Analiza Matematyczna 2 (LUX), lato 2017/18. a n n = 10.

Jarosław Wróblewski Analiza Matematyczna 2 (LUX), lato 2017/18. a n n = 10. Czy istieje ciąg (a ) taki, że (podać przykład lub dowieść, że ie istieje) : 576. a > 1 dla ieskończeie wielu, a > 0, szereg a jest zbieży. N 577. a = 1 2 dla ieskończeie wielu, a = 10. 578. a 2 = 1 N,

Bardziej szczegółowo

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11 RÓWNANIA RÓŻNICZKOWE WYKŁAD Szeregi potęgowe Defiicja Fukcja y = f () jest klasy C jeżeli jest -krotie różiczkowala i jej -ta pochoda jest fukcją ciągłą. Defiicja Fukcja y = f () jest klasy C, jeżeli jest

Bardziej szczegółowo

Zajęcia na międzyszkolne kółko wartość oczekiwana (szkic)

Zajęcia na międzyszkolne kółko wartość oczekiwana (szkic) Zajęcia a międzyszkole kółko wartość oczekiwaa (szkic) Cóż to jest wartość oczekiwaa? Nie wdając się w formale defiicje apiszę, że jest to średi wyik jakiegoś losowaia. Żeby móc mówić o wartości oczekiwaej,

Bardziej szczegółowo

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii O pewych zastosowaiach rachuku różiczkowego fukcji dwóch zmieych w ekoomii 1 Wielkość wytwarzaego dochodu arodowego D zależa jest od wielkości produkcyjego majątku trwałego M i akładów pracy żywej Z Fukcję

Bardziej szczegółowo

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,. Z adaie Niech,,, będą iezależymi zmieymi losowymi o idetyczym rozkładzie ormalym z wartością oczekiwaą 0 i wariacją. Wyzaczyć wariację zmieej losowej. Wskazówka: pokazać, że ma rozkład Γ, ODP: Zadaie Niech,,,

Bardziej szczegółowo

zadań z pierwszej klasówki, 10 listopada 2016 r. zestaw A 2a n 9 = 3(a n 2) 2a n 9 = 3 (a n ) jest i ograniczony. Jest wiec a n 12 2a n 9 = g 12

zadań z pierwszej klasówki, 10 listopada 2016 r. zestaw A 2a n 9 = 3(a n 2) 2a n 9 = 3 (a n ) jest i ograniczony. Jest wiec a n 12 2a n 9 = g 12 Rozwiazaia zadań z pierwszej klasówki, 0 listopada 06 r zestaw A Ciag a ) jest zaday rekuryjie: a a, a + a a 9, a R, a

Bardziej szczegółowo

Ciągi liczbowe wykład 3

Ciągi liczbowe wykład 3 Ciągi liczbowe wykład 3 dr Mariusz Grządziel semestr zimowy, r akad 204/205 Defiicja ciągu liczbowego) Ciagiem liczbowym azywamy fukcję odwzorowuja- ca zbiór liczb aturalych w zbiór liczb rzeczywistych

Bardziej szczegółowo

Wykªad 05 (granice c.d., przykªady) Rozpoczniemy od podania kilku przykªadów obliczania granic ci gów. n an = + dla a > 1. (5.1) lim.

Wykªad 05 (granice c.d., przykªady) Rozpoczniemy od podania kilku przykªadów obliczania granic ci gów. n an = + dla a > 1. (5.1) lim. Wykªad 05 graice cd, przykªady Rozpocziemy od podaia kilku przykªadów obliczaia graic ci gów Niech a > Ozaczmy a = c > 0 Mamy Poiewa» c = +, wi c tak»e a = + c + c c a = + dla a > 5 Poadto, zauwa»amy,»e

Bardziej szczegółowo

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady WYKŁAD Zdarzeia losowe i prawdopodobieństwo Zmiea losowa i jej rozkłady Metody statystycze metody opisu metody wioskowaia statystyczego sytetyczy liczbowy opis właściwości zbioru daych ocea charakterystyk

Bardziej szczegółowo

Materiały do ćwiczeń z Analizy Matematycznej I

Materiały do ćwiczeń z Analizy Matematycznej I Materiały do ćwiczeń z Aalizy Matematyczej I 08/09 Maria Frotczak Ludwika Kaczmarek Katarzya Klimczak Maria Michalska Beata Osińska-Ulrych Tomasz Rodak Adam Różycki Grzegorz Skalski Staisław Spodzieja

Bardziej szczegółowo

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek Zajdowaie pozostałych pierwiastków liczby zespoloej, gdy zay jest jede pierwiastek 1 Wprowadzeie Okazuje się, że gdy zamy jede z pierwiastków stopia z liczby zespoloej z, to pozostałe pierwiastki możemy

Bardziej szczegółowo

+ ln = + ln n + 1 ln(n)

+ ln = + ln n + 1 ln(n) "Łatwo z domu rzeczywistości zajśd do lasu matematyki, ale ieliczi tylko umieją wrócid." Hugo Dyoizy Steihaus Niech (a ) będzie ieskooczoym ciągiem rzeczywistym. Def. Szeregiem = a azywamy parę ciągów

Bardziej szczegółowo

1. Miara i całka Lebesgue a na R d

1. Miara i całka Lebesgue a na R d 1. Miara i całka Lebesgue a a R d 1. Miara. Mówimy, że rodzia podzbiorów S zbioru Ω jest σ-ciałem, jeśli wraz z każdym zbiorem zawiera oa jego dopełieie i jest zamkięta a sumowaie przeliczalych podrodzi.

Bardziej szczegółowo

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Rekursja Materiały pomocicze do wykładu wykładowca: dr Magdalea Kacprzak Rozwiązywaie rówań rekurecyjych Jedorode liiowe rówaia rekurecyje Twierdzeie Niech k będzie ustaloą liczbą aturalą dodatią i iech

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

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA Mamy populację geeralą i iteresujemy się pewą cechą X jedostek statystyczych, a dokładiej pewą charakterystyką liczbową θ tej cechy (p. średią wartością

Bardziej szczegółowo

Przykładowe zadania dla poziomu rozszerzonego

Przykładowe zadania dla poziomu rozszerzonego Przkładowe zadaia dla poziomu rozszerzoego Zadaie. ( pkt W baku w pierwszm roku oszczędzaia stopa procetowa bła rówa p%, a w drugim roku bła o % iższa. Po dwóch latach, prz roczej kapitalizacji odsetek,

Bardziej szczegółowo

Informatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce!

Informatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce! Iformatyka Stosowaa-egzami z Aalizy Matematyczej Każde zadaie ależy rozwiązać a oddzielej, podpisaej kartce! y, Daa jest fukcja f (, + y, a) zbadać ciągłość tej fukcji f b) obliczyć (,) (, (, (,) c) zbadać,

Bardziej szczegółowo

Zasada indukcji matematycznej. Dowody indukcyjne.

Zasada indukcji matematycznej. Dowody indukcyjne. Zasada idukcji matematyczej Dowody idukcyje Z zasadą idukcji matematyczej i dowodami idukcyjymi sytuacja jest ajczęściej taka, że podaje się w szkole treść zasady idukcji matematyczej, a astępie omawia,

Bardziej szczegółowo

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona Ćwiczeie r 4 Porówaie doświadczalego rozkładu liczby zliczeń w zadaym przedziale czasu z rozkładem Poissoa Studeta obowiązuje zajomość: Podstawowych zagadień z rachuku prawdopodobieństwa, Zajomość rozkładów

Bardziej szczegółowo