Wykład 1. Elementy rachunku prawdopodobieństwa. Przestrzeń probabilistyczna.

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wykład 1. Elementy rachunku prawdopodobieństwa. Przestrzeń probabilistyczna."

Transkrypt

1 Podstawowe pojęcia. Wykład Elementy achunku pawdopodobieństwa. Pzestzeń pobabilistyczna. Doświadczenie losowe-doświadczenie (zjawisko, któego wyniku nie możemy pzewidzieć. Pojęcie piewotne achunku pawdopodobieństwa - zdazenie elementane (pojedynczy wynik doświadczenia losowego Def.. Zbió wszystkich możliwych zdazeń elementanych dla danego doświadczenia losowego nazywamy pzestzenią zdazeń elementanych i oznaczamy Ω. Zdazenia elementane oznaczamy wówczas ω, ω, ω 3,. Pzykład: a doświadczenie-zut jedną (! monetą Ω={ ω, ω }, ω -wyzucenie oła, ω -wyzucenie eszki lub Ω={ O,R}, b doświadczenie-zut kostką c Ω={ ω, ω,ω 3, ω 4, ω 5, ω 6 }, gdy ω i wyzucenie i oczek na kostce, i=,,3,4,5,6 d doświadczenie-zut dwukotny kostką do gy Ω={ (ω i, ω j,i,j=,,3,4,5,6}, gdy ω i wyzucenie i oczek na kostce, i=,,3,4,5,6

2 Def.. Podzbió pzestzeni zdazeń elementanych nazywamy zdazeniem losowym (zdazeniem. Oznaczamy jak zbioy: A, B, C, Działania na zdazeniach (algeba zdazeń uma: AB= Iloczyn: AB= Różnica: A -B= Def.3. Zdazenie odpowiadające podzbioowi pustemu nazywamy zdazeniem niemożliwym i oznaczamy. Def.4. Zdazeniem pzeciwnym do zdazenia A nazywamy óżnicę Ω A i oznaczamy. Def.5. Zdazenia, któych iloczyn jest zdazeniem niemożliwym nazywamy zdazeniami wykluczającymi się tzn. AB=. Pzykład.

3 Z patii towau losujemy 3 sztuki. Okeślamy zdazenia: A-dokładnie jedna sztuka doba wśód wylosowanych B- co najwyżej jedna sztuka doba wśód wylosowanych C-co najmniej jedna sztuka doba wśód wylosowanych. Co oznaczają zdazenia pzeciwne do danych oaz suma i iloczyn każdej z pa zdazeń? Rozwiązanie: -0, lub 3 dobe wśód wylosowanych -co najmniej dobe wśód wylosowanych -0 dobych wśód wylosowanych (wszystkie 3 wadliwe AB =B, AB =A AC =C, AC =A CB =Ω, CB =A Pawdopodobieństwo zdazeń. Def.6. (aksomatyczna Dana jest pzestzeń Ω oaz odzina zdazeń. Funkcję nazywamy pawdopodobieństwem, jeśli spełnia następujące aksjomaty: P(Ω= 3

4 Jeśli A to P(A 0. 3 Jeśli A, A, A 3, oaz A i A j = dla i j to P(A A A 3 =P(A +P(A +P(A 3 + Definicja klasyczna: gdzie oznacza moc zbiou A. Zakładamy więc, że Ω jest zbioem skończonym(!. Pzykład: Rzucamy kostką do gy. Jakie jest pawdopodobieństwo, że wyzucimy pazystą liczbę oczek? Rozwiązanie: =3 P(A= Pawdopodobieństwo geometyczne: 4

5 gdzie m(a oznacza długość, pole lub objętość zdazenia. Zakładamy więc, że Ω jest odcinkiem, figuą płaską lub byłą. Pzykład. Jakie jest pawdopodobieństwo, że punkt zucony w koło o pomieniu R znajdzie się wewnątz wpisanego w nie kwadatu? Rozwiązanie: Ω A R m(ω=π R m(a= = R Własności pawdopodobieństwa: P(=0 P( 3 5

6 4 Jeśli AB to P(A P(B Def.7. Tójkę upoządkowaną (Ω,, P nazywamy pzestzenią pobabilistyczną. Zmienna losowa. Def.. Dana jest pzestzeń pobabilistyczna (Ω,,P. Funkcję X:ΩR nazywamy zmienną losową, jeśli dla dowolnego ar, {ω: X(ω<a}. Oznaczamy zmienne losowe dużymi liteami z końca alfabetu: X,Y,Z Def.. Rozkładem pawdopodobieństwa zmiennej losowej X nazywamy pawdopodobieństwa postaci: P({ω: X(ωA} P{XA}, AR. Def.3. Dystybuantą zmiennej losowej X nazywamy funkcję zeczywistą F:R[0,] okeśloną wzoem: F(=P{X<}. 6

7 Def.4. Zmienna losowa ma ozkład typu skokowego jeśli pzyjmuje pzeliczalną (skończoną liczbę watości,, 3, odpowiednio z pawdopodobieństwami p =P{X= }, p =P{X= }, pzy czym Dystybuanta dla tego typu ozkładu pzyjmuje postać: F ( Jest ona funkcją lewostonnie ciągłą, niemalejącą, dla któej i p i lim lim F( F( 0 Ponadto: P{X a}=-f(a P{a }=F(b-F(a Pzykład: Rzucamy kostką do gy. Wyzucenie pazystej liczby oczek oznacza wyganą zł, a wyzucenie niepazystej liczby oczek oznacza pzeganą zł. Okeślić ozkład zmiennej losowej X ównej wyganej 7

8 Rozwiązanie: Zbió watości: {-,}. P{X=-}= P{X=}= Pzykład: Do odbionika mogą w danym czasie dotzeć 3 sygnały. Piewszy z pawdopodobieństwem 0,6, dugi z pawdopodobieństwem 0,7 i tzeci z pawdopodobieństwem 0,8. Niech X oznacza liczbę sygnałów, któe dotały w danym czasie do odbionika. Okeślić ozkład zmiennej losowej X. Rozwiązanie: Zbió watości: {0,,,3}. P{X=0}=0,4 0,3 0,=0,04 P{X=}=0,6 0,3 0,+0,4 0,3 0,8+0,4 0,7 0,= =0,036+0,096+0,056=0,88 P{X=}=0,6 0,7 0,+0,4 0,7 0,8+0,6 0,3 0,8= =0,084+0,4+0,44=0,45 8

9 Uwaga: P{X=3}=0,6 0,7 0,8=0,336 0,04+0,88+0,45+0,336= Pzykład: Zmienna losowa X ma ozkład dany tabelką: i p i 0, 0, A 0, 0, 0, Wyznaczyć A oaz dystybuantę F( i P{X>0}. Rozwiązanie: A=-(0,+0,+0,+0,+0,=0,3 P{X>0}=P{X=}+P{X=}+P{X=4}=0,4 F ( i - F(=0 p i -< - F(=p =0, 9

10 -< 0 F(=p +p =0,+0,=0,3 0< F(=p +p +p 3 =0,+0,+0,3=0,6 < F(=p +p +p 3 +p 4 =0,+0,+0,3+0,=0,7 < 4 F(=p +p +p 3 +p 4 =0,+0,+0,3+0,+0,=0,8 >4 F(= Zapis: F( 0 dla 0, dla 0,3 dla 0 0,6 dla 0 0,7 dla 0,8 dla 4 dla 4 0

11 Wykes dystybuanty pzypomina schodki, a óżnica w poziomach poszczególnych stopni to watość pawdopodobieństwa p i pzyjęcia watości i F( Pzykład: Na dodze uchu pociągu znajdują się w dużej odległości 4 semafoy. Każdy z nich zezwala na pzejazd z pawdopodobieństwem 0,5. Niech X oznacza liczbę semafoów zezwalających na pzejazd pzed piewszym zatzymaniem się pociągu. Okeślić ozkład zmiennej losowej X oaz jej dystybuantę. Rozwiązanie: Zbió watości: {0,,,3,4}

12 Dystybuanta: (-,0] (0,] (,] (,3] (3,4] (4, F( 0 Def.5. Zmienna losowa X ma ozkład typu ciągłego, jeśli istnieje funkcja f( spełniająca waunki: a dla każdego, f( 0 taka, że

13 P { a X b} f ( d dla dowolnego a<b. Funkcję f( nazywamy gęstością pawdopodobieństwa. Dystybuanta F( dla tej zmiennej losowej pzyjmuje postać: b a Ponadto P{X= 0 }=0 dla dowolnego 0. W punktach ciągłości gęstości F (=f(. Pzykład: Pociąg podmiejski odjeżdża ze stacji co 0 minut. Pasaże pzychodzi na dwozec w dowolnym momencie. Niech X oznacza czas oczekiwania pasażea na odjazd pociągu. Wyznaczyć ozkład i dystybuantę tej zmiennej losowej. Rozwiązanie: Zbió watości [0,0].? 3 0

14 Pole postokąta winno być ówne. tąd: f ( 0, 0 dla dla 0,0 0,0 Dystybuanta zaś: 0 F( 0 F( F( Wykes tej dystybuanty jest ciągły: 0d 0,d 0, F( 0 4

15 5 Pzykład: Zmienna losowa X ma ozkład o gęstości:, 0, cos ( dla dla A f Znaleźć watość A i dystybuantę F(. Rozwiązanie: sin cos ( - A A A A d A d f Dystybuanta:

16 6 ( sin sin cos ( 0 ( F d F F Paamety ozkładu zmiennej losowej. Def.6. Watością oczekiwaną (śednią zmiennej losowej X nazywamy liczbę okeśloną wzoem a dla ozkładu skokowego: -π/ π/ F(

17 EX E(g(X i p i i i oaz g( p i i b dla ozkładu ciągłego: EX oaz E( g( X f ( d g( f ( d o ile odpowiedni szeeg lub całka są zbieżne bezwzględnie. Tw.. Jeśli istnieje watość oczekiwana EX to E(aX+b=aEX+b. Def.7. Waiancją zmiennej losowej X nazywamy liczbę okeśloną wzoem: o ile odpowiedni szeeg lub całka są zbieżne bezwzględnie. Z tw. otzymujemy ównoważny wzó dla waiancji: 7

18 Wypowadzenie: D ( X E X EX E( X X EX E X E( X E X E X E( X E X Piewiastek kwadatowy z waiancji nazywamy odchyleniem standadowym i oznaczamy DX. Tw.. Jeżeli istnieje watość oczekiwana EX oaz waiancja D (X to: a D (ax+b=a D (X b D (X 0 c D (X=0 P{X= 0 }=. Pzykład: Obliczyć paamety dla zmiennej losowej X o ozkładzie: adanym tabelką: i p i 8

19 9 bdanym gęstością dla 0 dla 3 ( 4 f Rozwiązanie: a EX=(- EX =(- D (X=E(X -(EX = 3 3 ( ( 3 4 3lim 3lim 3lim d d d f X E b

20 0 3 3 ( ( 3lim 3lim 3lim 4 d d d f X E D (X=3-

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

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

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Zadanie. W kolejnych okesach czasu t =,,3,... ubezpieczony, chaakteyzujący się paametem yzyka Λ, geneuje szkód. Dla danego Λ = λ zmienne N t N, N, N 3,... są waunkowo niezależne i mają (bzegowe) ozkłady

Bardziej szczegółowo

KRYTERIA OCENIANIA ODPOWIEDZI Próbna Matura z OPERONEM. Matematyka Poziom rozszerzony

KRYTERIA OCENIANIA ODPOWIEDZI Próbna Matura z OPERONEM. Matematyka Poziom rozszerzony KRYTERIA OCENIANIA ODPOWIEDZI Póbna Matua z OPERONEM Matematyka Poziom ozszezony Listopad 0 W ni niej szym sche ma cie oce nia nia za dań otwa tych są pe zen to wa ne pzy kła do we po paw ne od po wie

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3.

RACHUNEK 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 szczegółowo

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Wykład 2 Zmienne losowe i ich rozkłady

Wykład 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 szczegółowo

III. ZMIENNE LOSOWE JEDNOWYMIAROWE

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka

Rachunek prawdopodobieństwa i statystyka Rachunek prawdopodobieństwa i statystyka Przestrzeń probabilistyczna Niech Ω będzie dowolnym zbiorem, zwanym przestrzenią zdarzeń elementarnych. Elementy ω tej przestrzeni nazywamy zdarzeniami elementarnymi.

Bardziej szczegółowo

Prawdopodobieństwo. Prawdopodobieństwo. Jacek Kłopotowski. Katedra Matematyki i Ekonomii Matematycznej SGH. 16 października 2018

Prawdopodobieństwo. Prawdopodobieństwo. Jacek Kłopotowski. Katedra Matematyki i Ekonomii Matematycznej SGH. 16 października 2018 Katedra Matematyki i Ekonomii Matematycznej SGH 16 października 2018 Definicja σ-algebry Definicja Niech Ω oznacza zbiór niepusty. Rodzinę M podzbiorów zbioru Ω nazywamy σ-algebrą (lub σ-ciałem) wtedy

Bardziej szczegółowo

Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS

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

Bardziej szczegółowo

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

Literatura. 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 szczegółowo

Graf skierowany. Graf zależności dla struktur drzewiastych rozgrywających parametrycznie

Graf skierowany. Graf zależności dla struktur drzewiastych rozgrywających parametrycznie Gaf skieowany Gaf skieowany definiuje się jako upoządkowaną paę zbioów. Piewszy z nich zawiea wiezchołki gafu, a dugi składa się z kawędzi gafu, czyli upoządkowanych pa wiezchołków. Ruch po gafie możliwy

Bardziej szczegółowo

Rozkłady prawdopodobieństwa zmiennych losowych

Rozkłady 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 szczegółowo

ROZKŁAD NORMALNY. 2. Opis układu pomiarowego

ROZKŁAD NORMALNY. 2. Opis układu pomiarowego ROZKŁAD ORMALY 1. Opis teoetyczny do ćwiczenia zamieszczony jest na stonie www.wtc.wat.edu.pl w dziale DYDAKTYKA FIZYKA ĆWICZEIA LABORATORYJE (Wstęp do teoii pomiaów). 2. Opis układu pomiaowego Ćwiczenie

Bardziej szczegółowo

Zmienne 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. 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 szczegółowo

Jednowymiarowa zmienna losowa

Jednowymiarowa 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 szczegółowo

Statystyka matematyczna

Statystyka matematyczna Statystyka matematyczna Wykład 1 Magdalena Alama-Bućko 26 lutego 2018 Magdalena Alama-Bućko Statystyka matematyczna 26 lutego 2018 1 / 16 Wykład : 10h (przez 10 tygodni po 45 minut) zaliczenie wykładu

Bardziej szczegółowo

zdarzenie losowe - zdarzenie którego przebiegu czy wyniku nie da się przewidzieć na pewno.

zdarzenie losowe - zdarzenie którego przebiegu czy wyniku nie da się przewidzieć na pewno. Rachunek prawdopodobieństwa Podstawowym celem rachunku prawdopodobieństwa jest określanie szans zajścia pewnych zdarzeń. Pojęcie podstawowe rachunku prawdopodobieństwa to: zdarzenie losowe - zdarzenie

Bardziej szczegółowo

Rozkłady 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,

Rozkłady 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 szczegółowo

Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu.

Ćwiczenia 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 szczegółowo

W2 Podstawy rachunku prawdopodobieństwa (przypomnienie)

W2 Podstawy rachunku prawdopodobieństwa (przypomnienie) W2 Podstawy rachunku prawdopodobieństwa (przypomnienie) Henryk Maciejewski Jacek Jarnicki Marek Woda www.zsk.iiar.pwr.edu.pl Rachunek prawdopodobieństwa - przypomnienie 1. Zdarzenia 2. Prawdopodobieństwo

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Metody probabilistyczne

Metody 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 szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład V: Zmienne losowe i ich wartości oczekiwane 25 października 2017 Definicja zmiennej losowej Definicja Zmienne losowa to charakterystyka liczbowa wyniku eksperymentu losowego. Zmienne losowa na przestrzeni

Bardziej szczegółowo

Zmienna losowa. Rozkład skokowy

Zmienna 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 szczegółowo

GEOMETRIA PŁASZCZYZNY

GEOMETRIA PŁASZCZYZNY GEOMETRIA PŁASZCZYZNY. Oblicz pole tapezu ównoamiennego, któego podstawy mają długość cm i 0 cm, a pzekątne są do siebie postopadłe.. Dany jest kwadat ABCD. Punkty E i F są śodkami boków BC i CD. Wiedząc,

Bardziej szczegółowo

Metody probabilistyczne

Metody probabilistyczne Metody probabilistyczne 2. Aksjomatyczna definicja prawdopodobieństwa Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 10.10.2017 1 / 33 Klasyczna definicja prawdopodobieństwa

Bardziej szczegółowo

Przestrzeń probabilistyczna

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

Bardziej szczegółowo

Modele odpowiedzi do arkusza Próbnej Matury z OPERONEM. Matematyka Poziom rozszerzony

Modele odpowiedzi do arkusza Próbnej Matury z OPERONEM. Matematyka Poziom rozszerzony Modele odpowiedzi do akusza Póbnej Matuy z OPERONEM Matematyka Poziom ozszezony Listopad 00 W kluczu są pezentowane pzykładowe pawidłowe odpowiedzi. Należy ównież uznać odpowiedzi ucznia, jeśli są inaczej

Bardziej szczegółowo

WYKŁAD 3. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki

WYKŁAD 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 szczegółowo

Statystyka 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 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 szczegółowo

Statystyka matematyczna

Statystyka matematyczna Statystyka matematyczna Wykład 1 Magdalena Alama-Bućko 20 lutego 2017 Magdalena Alama-Bućko Statystyka matematyczna 20 lutego 2017 1 / 21 Wykład : 10h (przez 10 tygodni po 45 minut) Ćwiczenia : 15h (45

Bardziej szczegółowo

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa

WYKŁADY 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 szczegółowo

Definicja 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: 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 szczegółowo

Zastosowanie teorii pierścieni w praktyce

Zastosowanie teorii pierścieni w praktyce Upozczenie wyażeń 2x+(y x) = x+y Spotkania z Matematyka Zatoowanie teoii pieścieni w paktyce Alekande Deniiuk denijuk@matman.uwm.edu.pl Uniweytet Wamińko-Mazuki w Olztynie Wydział Matematyki i Infomatyki

Bardziej szczegółowo

II.6. Wahadło proste.

II.6. Wahadło proste. II.6. Wahadło poste. Pzez wahadło poste ozumiemy uch oscylacyjny punktu mateialnego o masie m po dolnym łuku okęgu o pomieniu, w stałym polu gawitacyjnym g = constant. Fig. II.6.1. ozkład wektoa g pzyśpieszenia

Bardziej szczegółowo

ZWIĄZEK FUNKCJI OMEGA Z DOMINACJĄ STOCHASTYCZNĄ

ZWIĄZEK FUNKCJI OMEGA Z DOMINACJĄ STOCHASTYCZNĄ Studia konomiczne. Zeszyty Naukowe Uniwesytetu konomicznego w Katowicach ISSN 283-86 N 237 25 Infomatyka i konometia 2 wa Michalska Uniwesytet konomiczny w Katowicach Wydział Infomatyki i Komunikacji Kateda

Bardziej szczegółowo

Prawdopodobieństwo geometryczne

Prawdopodobieństwo geometryczne Prawdopodobieństwo geometryczne Krzysztof Jasiński Wydział Matematyki i Informatyki UMK, Toruń V Lieceum Ogólnokształące im. Jana Pawała II w Toruniu 13.03.2014 Krzysztof Jasiński (WMiI UMK) Prawdopodobieństwo

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo 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 szczegółowo

Zmienne losowe ciągłe i ich rozkłady

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

Bardziej szczegółowo

Metody optymalizacji. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Metody optymalizacji. dr inż. Paweł Zalewski Akademia Morska w Szczecinie Metody optymalizacji d inż. Paweł Zalewski kademia Moska w Szczecinie Optymalizacja - definicje: Zadaniem optymalizacji jest wyznaczenie spośód dopuszczalnych ozwiązań danego polemu ozwiązania najlepszego

Bardziej szczegółowo

II WYKŁAD STATYSTYKA. 12/03/2014 B8 sala 0.10B Godz. 15:15

II WYKŁAD STATYSTYKA. 12/03/2014 B8 sala 0.10B Godz. 15:15 II WYKŁAD STATYSTYKA 12/03/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 2 Rachunek prawdopodobieństwa zdarzenia elementarne zdarzenia losowe zmienna losowa skokowa i ciągła prawdopodobieństwo i gęstość prawdopodobieństwa

Bardziej szczegółowo

Siła. Zasady dynamiki

Siła. Zasady dynamiki Siła. Zasady dynaiki Siła jest wielkością wektoową. Posiada okeśloną watość, kieunek i zwot. Jednostką siły jest niuton (N). 1N=1 k s 2 Pzedstawienie aficzne A Siła pzyłożona jest do ciała w punkcie A,

Bardziej szczegółowo

Zadania zestaw 1: Zadania zestaw 2

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

Bardziej szczegółowo

Próba określenia miary jakości informacji na gruncie teorii grafów dla potrzeb dydaktyki

Próba określenia miary jakości informacji na gruncie teorii grafów dla potrzeb dydaktyki Póba okeślenia miay jakości infomacji na guncie teoii gafów dla potzeb dydaktyki Zbigniew Osiak E-mail: zbigniew.osiak@gmail.com http://ocid.og/0000-0002-5007-306x http://via.og/autho/zbigniew_osiak Steszczenie

Bardziej szczegółowo

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I (SGH)

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I (SGH) WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I (SGH) Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 1 1 / 24 Warunki zaliczenia 1 Do egzaminu dopuszczeni wszyscy, którzy uczęszczali na

Bardziej szczegółowo

Energia kinetyczna i praca. Energia potencjalna

Energia kinetyczna i praca. Energia potencjalna negia kinetyczna i paca. negia potencjalna Wykład 4 Wocław Univesity of Technology 1 NRGIA KINTYCZNA I PRACA 5.XI.011 Paca Kto wykonał większą pacę? Hossein Rezazadeh Olimpiada w Atenach 004 WR Podzut

Bardziej szczegółowo

Zmienne losowe ciągłe i ich rozkłady

Zmienne 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 szczegółowo

Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego

Statystyka. 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 szczegółowo

Zmienne losowe skokowe

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

Bardziej szczegółowo

PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI

PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI ODPOWIEDZI DO ARKUSZA ROZSZERZONEGO Zadanie ( pkt) A Zadanie ( pkt) C Zadanie ( pkt) A, bo sinα + cosα sinα + cosα cos sinα sin cosα + π π + π sin α π A więc musi

Bardziej szczegółowo

Wykład 3 Jednowymiarowe zmienne losowe

Wykład 3 Jednowymiarowe zmienne losowe 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

Bardziej szczegółowo

Statystyka matematyczna

Statystyka matematyczna Statystyka matematyczna Wykład 1 Magdalena Alama-Bućko 25 lutego 2019 Magdalena Alama-Bućko Statystyka matematyczna 25 lutego 2019 1 / 18 Wykład : 10h (przez 10 tygodni po 45 minut) Ćwiczenia : 15h (45

Bardziej szczegółowo

Wstęp. Kurs w skrócie

Wstęp. Kurs w skrócie Mariola Zalewska Zakład Metod Matematycznych i Statystycznych Zarządzania Wydział Zarządzania Uniwersystet Warszawski I rok DSM Rachunek Prawdopodobieństwa Wstęp Kombinatoryka Niezależność zdarzeń, Twierdzenie

Bardziej szczegółowo

Statystyka matematyczna

Statystyka 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 szczegółowo

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

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

Bardziej szczegółowo

Statystyka matematyczna

Statystyka 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 szczegółowo

Rachunek Prawdopodobieństwa i Statystyka

Rachunek 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 szczegółowo

Wykład 13. Podstawowe pojęcia rachunku prawdopodobieństwa

Wykład 13. Podstawowe pojęcia rachunku prawdopodobieństwa Wykład 13. Podstawowe pojęcia rachunku prawdopodobieństwa dr Mariusz Grzadziel Katedra Matematyki, Uniwersytet Przyrodniczy we Wrocławiu semestr zimowy, rok akademicki 2015 2016 Doświadczenie losowe Doświadczenie

Bardziej szczegółowo

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 2 ZADANIA - ZESTAW 2

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 2 ZADANIA - ZESTAW 2 ZADANIA - ZESTAW 2 Zadanie 2.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 1 0 2 p k 1/ 1/6 1/2 a) wyznaczyć dystrybuantę tej zmiennej losowej i naszkicować jej wykres, b) obliczyć

Bardziej szczegółowo

Statystyka matematyczna

Statystyka matematyczna Statystyka matematyczna Wykład 2 Magdalena Alama-Bućko 5 marca 2018 Magdalena Alama-Bućko Statystyka matematyczna 5 marca 2018 1 / 14 Prawdopodobieństwo klasyczne Ω - zbiór wszystkich zdarzeń elementarnych

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo 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 szczegółowo

Elementy Rachunek prawdopodobieństwa

Elementy 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 szczegółowo

Przykładowe zadania na egzamin z matematyki - dr Anita Tlałka - 1

Przykładowe zadania na egzamin z matematyki - dr Anita Tlałka - 1 Przykładowe zadania na egzamin z matematyki - dr Anita Tlałka - 1 Zadania rozwiązywane na wykładzie Zadania rozwiązywane na ćwiczeniach Przy rozwiązywaniu zadań najistotniejsze jest wykazanie się rozumieniem

Bardziej szczegółowo

Przykłady do zadania 8.1 : 0 dla x 1, c x 4/3 dla x > 1. (b) Czy można dobrać stałą c tak, aby funkcja f(x) = była gęstością pewnego

Przykłady do zadania 8.1 : 0 dla x 1, c x 4/3 dla x > 1. (b) Czy można dobrać stałą c tak, aby funkcja f(x) = była gęstością pewnego Rachunek prawdopodobieństwa MAP64 Wydział Elektroniki, rok akad. 8/9, sem. letni Wykładowca: dr hab. A. Jurlewicz Przykłady do listy 8: Zmienne losowe typu ciągłego. Gęstość prawdopodobieństwa. Rozkład

Bardziej szczegółowo

Wykład: praca siły, pojęcie energii potencjalnej. Zasada zachowania energii.

Wykład: praca siły, pojęcie energii potencjalnej. Zasada zachowania energii. Wykład: paca siły, pojęcie enegii potencjalnej. Zasada zachowania enegii. Uwaga: Obazki w tym steszczeniu znajdują się stonie www: http://www.whfeeman.com/tiple/content /instucto/inde.htm Pytanie: Co to

Bardziej szczegółowo

Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 3

Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 3 Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 3 Przygotowując wykład korzystam głównie z książki Jakubowski, Sztencel Wstęp do teorii prawdopodobieństwa. Zmienna losowa i jej

Bardziej szczegółowo

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

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

Bardziej szczegółowo

00502 Podstawy kinematyki D Część 2 Iloczyn wektorowy i skalarny. Wektorowy opis ruchu. Względność ruchu. Prędkość w ruchu prostoliniowym.

00502 Podstawy kinematyki D Część 2 Iloczyn wektorowy i skalarny. Wektorowy opis ruchu. Względność ruchu. Prędkość w ruchu prostoliniowym. 1 00502 Kinematyka D Dane osobowe właściciela akusza 00502 Podstawy kinematyki D Część 2 Iloczyn wektoowy i skalany. Wektoowy opis uchu. Względność uchu. Pędkość w uchu postoliniowym. Instukcja dla zdającego

Bardziej szczegółowo

Tradycyjne mierniki ryzyka

Tradycyjne mierniki ryzyka Tadycyjne mieniki yzyka Pzykład 1. Ryzyko w pzypadku potfela inwestycyjnego Dwie inwestycje mają następujące stopy zwotu, zależne od sytuacji gospodaczej: Sytuacja Pawdopodobieństwo R R Recesja 0, 9,0%

Bardziej szczegółowo

02DRAP - Aksjomatyczna definicja prawdopodobieństwa, zasada w-w

02DRAP - Aksjomatyczna definicja prawdopodobieństwa, zasada w-w 02DRAP - Aksjomatyczna definicja prawdopodobieństwa, zasada w-w A Zadania na ćwiczenia Zadanie A.1. Niech Ω = R oraz F będzie σ-ciałem generowanym przez rodzinę wszystkich przedziałów otwartych typu (,

Bardziej szczegółowo

Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/

Matematyka 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 szczegółowo

Rzucamy dwa razy sprawiedliwą, sześcienną kostką do gry. Oblicz prawdopodobieństwo otrzymania:

Rzucamy dwa razy sprawiedliwą, sześcienną kostką do gry. Oblicz prawdopodobieństwo otrzymania: Statystyka Ubezpieczeniowa Część 1. Rachunek prawdopodobieństwa: - prawdopodobieństwo klasyczne - zdarzenia niezależne - prawdopodobieństwo warunkowe - prawdopodobieństwo całkowite - wzór Bayesa Schemat

Bardziej szczegółowo

WYKŁAD 11 OPTYMALIZACJA WIELOKRYTERIALNA

WYKŁAD 11 OPTYMALIZACJA WIELOKRYTERIALNA WYKŁAD OPTYMALIZACJA WIELOKYTEIALNA Wstęp. W wielu pzypadkach pzy pojektowaniu konstukcji technicznych dla okeślenia ich jakości jest niezędne wpowadzenie więcej niż jednego kyteium oceny. F ) { ( ), (

Bardziej szczegółowo

(C. Gauss, P. Laplace, Bernoulli, R. Fisher, J. Spława-Neyman) Wikipedia 2008

(C. Gauss, P. Laplace, Bernoulli, R. Fisher, J. Spława-Neyman) Wikipedia 2008 STATYSTYKA MATEMATYCZNA - dział matematyki stosowanej oparty na rachunku prawdopodobieństwa; zajmuje się badaniem zbiorów na podstawie analizy ich części. Nauka, której przedmiotem zainteresowania są metody

Bardziej szczegółowo

Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne

Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne 5.3 Rozkłady warunkowe i warunkowa wartość oczekiwana Katarzyna Rybarczyk-Krzywdzińska semestr zimowy 2015/2016 Prawdopodobieństwo wyraża postawę

Bardziej szczegółowo

CHARAKTERYSTYKI GEOMETRYCZNE FIGUR PŁASKICH

CHARAKTERYSTYKI GEOMETRYCZNE FIGUR PŁASKICH Politecnika Rzeszowska Wydział Budowy Maszyn i Lotnictwa Kateda Samolotów i Silników Lotniczyc Pomoce dydaktyczne Wytzymałość Mateiałów CHRKTERYSTYKI GEOMETRYCZNE FIGUR PŁSKICH Łukasz Święc Rzeszów, 18

Bardziej szczegółowo

Lista 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 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 szczegółowo

- substancje zawierające swobodne nośniki ładunku elektrycznego:

- substancje zawierające swobodne nośniki ładunku elektrycznego: Pzewodniki - substancje zawieające swobodne nośniki ładunku elektycznego: elektony metale, jony wodne oztwoy elektolitów, elektony jony zjonizowany gaz (plazma) pzewodnictwo elektyczne metali pzewodnictwo

Bardziej szczegółowo

Zmienna losowa i jej rozkład Dystrybuanta zmiennej losowej Wartość oczekiwana zmiennej losowej

Zmienna 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 szczegółowo

Dobór zmiennych objaśniających do liniowego modelu ekonometrycznego

Dobór zmiennych objaśniających do liniowego modelu ekonometrycznego Dobó zmiennych objaśniających do liniowego modelu ekonometycznego Wstępnym zadaniem pzy budowie modelu ekonometycznego jest okeślenie zmiennych objaśniających. Kyteium wybou powinna być meytoyczna znajomość

Bardziej szczegółowo

Kognitywistyka II r. Teoria rzetelności wyników testu. Teorie inteligencji i sposoby jej pomiaru (4) Rzetelność czyli dokładność pomiaru

Kognitywistyka II r. Teoria rzetelności wyników testu. Teorie inteligencji i sposoby jej pomiaru (4) Rzetelność czyli dokładność pomiaru Kognitywistyka II Teoie inteligencji i sposoby jej pomiau (4) Teoia zetelności wyników testu Rzetelność czyli dokładność pomiau W języku potocznym temin zetelność oznacza niezawodność (dokładność). W psychometii

Bardziej szczegółowo

Rozkład normalny Parametry rozkładu zmiennej losowej Zmienne losowe wielowymiarowe

Rozkład 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 szczegółowo

Statystyka i eksploracja danych

Statystyka 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 szczegółowo

Podstawy nauk przyrodniczych Matematyka

Podstawy nauk przyrodniczych Matematyka Podstawy nauk przyrodniczych Matematyka Elementy rachunku prawdopodobieństwa dr inż. Małgorzata Szeląg Zakład Genetyki Molekularnej Człowieka tel. 61 829 59 04 malgorzata.szelag@amu.edu.pl Pokój 1.118

Bardziej szczegółowo

L(x, 0, y, 0) = x 2 + y 2 (3)

L(x, 0, y, 0) = x 2 + y 2 (3) 0. Małe dgania Kótka notatka o małych dganiach wyjasniające możliwe niejasności. 0. Poszukiwanie punktów ównowagi Punkty ównowagi wyznaczone są waunkami x i = 0, ẋi = 0 ( Pochodna ta jest ówna pochodnej

Bardziej szczegółowo

Modelowanie przepływu cieczy przez ośrodki porowate Wykład III

Modelowanie przepływu cieczy przez ośrodki porowate Wykład III Modelowanie pzepływu cieczy pzez ośodki poowate Wykład III 6 Ogólne zasady ozwiązywania ównań hydodynamicznego modelu pzepływu. Metody ozwiązania ównania Laplace a. Wpowadzenie wielkości potencjału pędkości

Bardziej szczegółowo

2. Lesław Gajek, Marek Kałuszka, Wnioskowanie statystyczne. Modele i metody. Dla studentów.

2. Lesław Gajek, Marek Kałuszka, Wnioskowanie statystyczne. Modele i metody. Dla studentów. Literatura:. Jerzy Greń, Statystyka matematyczna. Modele i zadania.. Lesław Gajek, Marek Kałuszka, Wnioskowanie statystyczne. Modele i metody. Dla studentów.. J. Koronacki, J. Mielniczuk, Statystyka dla

Bardziej szczegółowo

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty

WYKŁADY 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 szczegółowo

Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa

Wykład 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 szczegółowo

Zmienne losowe. Statystyka w 3

Zmienne losowe. Statystyka w 3 Zmienne losowe Statystyka w Zmienna losowa Zmienna losowa jest funkcją, w której każdej wartości R odpowiada pewien podzbiór zbioru będący zdarzeniem losowym. Zmienna losowa powstaje poprzez przyporządkowanie

Bardziej szczegółowo

Na skutek takiego przemieszcznia ładunku, energia potencjalna układu pole-ładunek zmienia się o:

Na skutek takiego przemieszcznia ładunku, energia potencjalna układu pole-ładunek zmienia się o: E 0 Na ładunek 0 znajdujący się w polu elektycznym o natężeniu E działa siła elektostatyczna: F E 0 Paca na pzemieszczenie ładunku 0 o ds wykonana pzez pole elektyczne: dw Fds 0E ds Na skutek takiego pzemieszcznia

Bardziej szczegółowo

11. DYNAMIKA RUCHU DRGAJĄCEGO

11. DYNAMIKA RUCHU DRGAJĄCEGO 11. DYNAMIKA RUCHU DRGAJĄCEGO Ruchem dgającym nazywamy uch, któy powtaza się peiodycznie w takcie jego twania w czasie i zachodzi wokół położenia ównowagi. Zespół obiektów fizycznych zapewniający wytwozenie

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo 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 szczegółowo

2 Przykład C2a C /BRANCH C. <-I--><Flux><Name><Rmag> TRANSFORMER RTop_A RRRRRRLLLLLLUUUUUU 1 P1_B P2_B 2 S1_B SD_B 3 SD_B S2_B

2 Przykład C2a C /BRANCH C. <-I--><Flux><Name><Rmag> TRANSFORMER RTop_A RRRRRRLLLLLLUUUUUU 1 P1_B P2_B 2 S1_B SD_B 3 SD_B S2_B PRZYKŁAD A Utwozyć model sieci z dwuuzwojeniowym, tójfazowym tansfomatoem 110/0kV. Model powinien zapewnić symulację zwać wewnętznych oaz zadawanie watości początkowych indukcji w poszczególnych fazach.

Bardziej szczegółowo

Funkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju

Funkcje 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 szczegółowo

Podstawy metod probabilistycznych. dr Adam Kiersztyn

Podstawy metod probabilistycznych. dr Adam Kiersztyn Podstawy metod probabilistycznych dr Adam Kiersztyn Przestrzeń zdarzeń elementarnych i zdarzenia losowe. Zjawiskiem lub doświadczeniem losowym nazywamy taki proces, którego przebiegu i ostatecznego wyniku

Bardziej szczegółowo

MECHANIKA OGÓLNA (II)

MECHANIKA OGÓLNA (II) MECHNIK GÓLN (II) Semest: II (Mechanika I), III (Mechanika II), ok akademicki 2017/2018 Liczba godzin: sem. II*) - wykład 30 godz., ćwiczenia 30 godz. sem. III*) - wykład 30 godz., ćwiczenia 30 godz. (dla

Bardziej szczegółowo