Marek Be±ka, Statystyka matematyczna, wykªad Wykªadnicze rodziny rozkªadów prawdopodobie«stwa
|
|
- Wanda Skiba
- 7 lat temu
- Przeglądów:
Transkrypt
1 Mare Be±a, Statystya matematycza, wyªad Statystyi zupeªe 3. Wyªadicze rodziy rozªadów prawdopodobie«stwa Zacziemy od deicji Deicja 3. Rodzi rozªadów {µ θ } θ Θ azywamy wyªadicz rodzi rozªadów - parametrow, je±li jej g sto±ci f θ, θ Θ wzgl dem pewej σ - so«czoej miary λ s postaci: 3. f θ x = Cθ exp Q j θt j x hx, x, gdzie C 0, h 0, Q i, T i, i =, 2,..., s fucjami rzeczywistymi. Przestrze«statystycz, B, P, gdzie P = {µ θ } θ Θ jest wyªadicz rodzi rozªadów azywamy wyªadicz przestrzei statystycz. Przyªad 3.2 i Rozwa»my rodzi rozªadów ormalych o g sto±ci f θ x = exp x m2 2πσ 2 2σ 2, x IR, gdzie θ = m, σ 2 Θ = IR 0,. G sto±ci te mo»emy zapisa w postaci f θ x = exp 2πσ 2 2σ 2 x2 + m σ 2 x m2 2σ 2 = exp m2 2πσ 2 2σ 2 exp 2σ 2 x2 + m σ 2 x = Cθ exp Q θt x+q 2 θt 2 x, x IR, gdzie h, Cθ = exp m2 2πσ 2 2σ 2, θ Θ, T x = x 2, T 2 x = x, x IR, Q θ = 2σ 2, Q 2θ = m σ 2 θ Θ. Zatem rozwa»aa rodzia rozªadów ale»y do dwuparametrowej rodziy rozªadów wyªadiczych. ii Rozwa»my rodzi rozªadów dwumiaowych f θ = θ θ, = 0,,...,,
2 Mare Be±a, Statystya matematycza, wyªad 3 39 gdzie θ Θ = 0,. Mamy f θ = exp lθ + l θ gdzie θ exp l θ θ = exp l θ θ + l θ = = Cθ exp Q θt h, = 0,,...,, Cθ = θ θ, Q θ = l θ, θ Θ, h =, T =, = 0,,...,. Zatem rozwa»aa rodzia rozªadów dwumiaowych ale»y do jedoparametrowej rodziy rozªadów wyªadiczych. Rodzi wyªadiczych ie tworz p. rozªady jedostaje czy Cauchy'ego. Uwaga. Niech =,..., b dzie prób losow prost z populacji w tórej rozªady cechy ale» do rodziy wyªdiczej 3.. Wtedy rozªad z próby mo»emy zapisa w postaci: f θ x = f θ x i = Cθ exp Q j θt j x i hx i = C θ exp Q j θ T j x i hx i, x = x,..., x. Zatem rozªad z próby ale»y rówie» do - parametrowej rodziy wyªadiczej. Poadto z rytrium fatoryzacji mamy Stwierdzeie 3.3 Niech =,..., b dzie prób losow prost z populacji w tórej rozªady cechy ale» do rodziy wyªdiczej 3.. Wtedy statystya T = T i, T 2 i,..., jest dostatecz statysty dla parametru θ Θ. T i Cz sto zmieia sie parametryzacj w 3. przyjmuj c ϑ i = Q i θ, i =, 2,..., i przedstawiaj c g sto± 3. w postaci wzgl dem miary λ = hλ 3.2 f ϑ x = Cϑ exp ϑ j T j x, x,
3 Mare Be±a, Statystya matematycza, wyªad 3 40 gdzie ϑ = ϑ,..., ϑ Θ = {Q θ,..., Q θ IR : θ Θ}. W tej parametryzacji parametr ϑ azywamy parametrem aturalym. Posta 3.2 osi azw postaci aoiczej rodziy wyªadiczej. Posta ta podobie ja 3. ie jest jedozacza. Odwzorowaie θ ϑ = Q θ,..., Q θ azywamy odwzorowaiem aoiczym parametryzacj aoicz. Przestrze«Θ azywamy aoicz przestrzei parametrów. Zbiór wszystich putów ϑ = ϑ,..., ϑ dla tórych fucja 3.2 jest g sto±ci tj. Θ 0 = { ϑ IR : } exp ϑ j T j x dλ < azywamy atural przestrzei parametrów rodziy wyªadiczej. Jest to mo»liwie ajwiesza przestrze«parametrów. Jest oa zbiorem wypuªym. Rzeczywi±cie, je±li ϑ, θ Θ 0 i a, b > 0 oraz a + b =, to z ierówo±ci Höldera dla p = /a i q = /b otrzymujemy exp aϑ j + bθ j T j x dλ = Zatem aϑ + bθ Θ 0. exp aϑ j T j x exp exp ϑ j T j x dλ a exp θ j T j x dλ b <. bθ j T j x dλ Twierdzeie 3.4 Je±li g sto±ci rodziy rozªadów P s postaci 3.2, to g sto±ci statystyi dostateczej T = T,..., T wzgl dem miary λ T s postaci fθ T t = Cθ exp θ j t j, t = t,..., t IR. Dowód. Niech A BIR. Mamy µ T θ A = µ θt A = T A Cθ exp θ j T j x dλx = A Cθ exp θ j t j dλ T t.
4 Mare Be±a, Statystya matematycza, wyªad Zupeªe rodziy rozªadów prawdopodobie«stwa Zacziemy od deicji Deicja 3.5 Rodzi rozªadów prawdopodobie«stwa P = {µ θ } θ Θ ore±lo a przestrzei prób, B azywamy zupeª ograiczeie zupeª je±li a»da B - mierzala i ograiczoa oraz P - caªowala rzeczywista statystya ϕ speªiaj ca warue 3.3 E θ ϕ = 0 dla a»dego θ Θ jest rówa zero P - p.w. Z powy»szej deicji wyia,»e je±li E θ ϕ = c dla θ Θ, to ϕ = c, P - p.w. Lemat 3.6 Niech, B, P b dzie przestrzei statystycz i iech P 0 P domiuje P. Je±li P 0 jest rodzia zupeª ograiczeie zupeª, to P jest rówie» rodzi zupeª ograiczeie zupeª. Dowód. Niech P = {µ θ } θ Θ oraz P 0 = {µ θ } θ Θ0, Θ 0 Θ. Niech ϕ b dzie rzeczywist statysty B - mierzal i P - caªowal ta,»e E θ ϕ = 0 dla a»dego θ Θ. Wtedy E θ ϕ = 0 dla θ Θ 0. Z zupeªo±ci P 0 mamy ϕ = 0, P 0 - p.w. St d i z domiowaia P przez P 0 mamy ϕ = 0, P - p.w. Przyªad 3.7 Niech P b dzie rodzi rozªadów dwumiaowych z ustaloym IN i parametrem θ Θ = 0,. Wtedy dla dowolej statystyi ϕ ore±loej a = {0,,..., } i taiej,»e ϕ θ θ = 0, dla a»dego θ Θ, mamy =0 θ ϕ = 0 dla a»dego θ Θ. θ =0 Ozaczmy t = θ/ θ. Wtedy t 0, dla θ Θ oraz ϕ t = 0, t > 0. =0 Z wªaso±ci wielomiaów wyia,»e ϕ = 0 dla = 0,, 2,...,. Zatem rodzia P rozªadów dwumiaowych jest zupeªa.
5 Mare Be±a, Statystya matematycza, wyªad 3 42 Przyªad 3.8 i Niech P = {Nm, σ 2 : θ = m, σ Θ = IR 0, } b dzie rodzi rozªadów gaussowsich. Niech ϕ b dzie fucj borelows, caªowal wzgl dem tej rodziy miar gaussowsich oraz iech σ x m2 ϕx exp 2π 2σ 2 dx = 0, dla m, σ Θ. R Po podiesieiu do wadratu w argumecie espoety oraz podzieliu stroami przez wyra»eia wyª czoe przed caª otrzymujemy R ϕx exp x2 m 2σ 2 exp σ 2 x dx = 0 dla m, σ Θ. Z wªaso±ci dwustroej trasformaty Laplace'a mamy St d ϕx exp x2 2σ 2 ϕ = 0, dla P p.w x IR. Zatem rodzia P rozªadów gaussowsich jest zupeªa. ii Niech P = {N, σ 2 : θ = σ Θ = 0, } b dzie rodzi wszystich rozªadów gaussowsich o warto±ci oczeiwaej m =. Rozwa»my fucj ϕx = x, x IR. Wtedy σ x 2 ϕx exp 2π R 2σ 2 dx = σ x 2 x exp 2π R 2σ 2 dx = 0, σ > 0, ale ϕx = x 0, Zatem rodzia wszystich rozªadów gaussowsich o warto±ci oczeiwaej m = ie jest zupeªa. Przyªad 3.9 Niech P = {µ θ } θ Θ b dzie rodzi rozªadów jedostajych µ θ a przedziale 0, θ, gdzie θ Θ = 0,. Zaªó»my,»e ϕ jest fucj borelows P - caªowal i ta,»e St d 0 = E θ [ϕ] = ϕx R θ I 0, θx dx = θ θ 0 θ 0 ϕx dx dla wszystich θ Θ. ϕx dx = 0 dla wszystich θ Θ.
6 Mare Be±a, Statystya matematycza, wyªad 3 43 Ró»iczuj c wzgl dem θ otrzymujemy Zatem ϕθ = 0 dla λ p.w. wszystich θ Θ = 0,. ϕ = 0, St d rodzia rozªadów jedostajych a przedziale 0, θ dla θ > 0 jest zupeªa. Stwierdzeie 3.0 Niech =,..., b dzie prób 2 losow prost z populacji w tórej badaa cecha ma rozªad µ θ, θ Θ. Wtedy rodzia rozªadów próby P = {µ θ } θ Θ ie jest zupeªa. Dowód. Ozaczmy P = {µ θ } θ Θ. Niech ϕ : IR b dzie taa,»e ϕ Cost., oraz E θ ϕ 2 = ϕx 2 dµ θ x <, θ Θ. Ore±lmy ψ : IR wzorem ψx = ψx,..., x = ϕx ϕx 2, x = x,..., x. Wtedy E θ ψ = E θ ϕ E θ ϕ = 0, θ Θ. Gdyby teraz ψ = 0, P - p.w., to = µ θ {x : ψx = 0} = µ 2 θ {x, x 2 2 : ϕx ϕx 2 = 0}. St d ϕx ϕx 2 dµ θ x dµ θ x 2 = 2 ϕx 2 dµ θ x dµ θ x 2 = 2 Z drugiej stroy ϕx ϕx 2 dµ θ x dµ θ x 2 = 2 Zatem Var θ ϕ = E θ [ ϕ Eθ ϕ ] 2 = St d ϕx dµ θ x 2. ϕx 2 dµ θ x. 2 ϕx 2 dµ θ x ϕx dµ θ x = 0, θ Θ. ϕ E θ ϕ, co daje sprzeczo±, bo ϕ Cost., P - p.w.
7 Mare Be±a, Statystya matematycza, wyªad 3 44 Deicja 3. Niech daa b dzie przestrze«statystycza, B, P. Da statysty T :, B Y, A azywamy statysty zupeª ograiczeie zupeª je±li rodzia rozªadów P T = {µ T θ } θ Θ jest zupeªa ograiczeia zupeªa. Twierdzeie 3.2 Niech daa b dzie przestrze«statystycza, B, P i statystya T :, B Y, A. Je±li rodzia rozªadów P jest zupeªa ograiczeie zupeªa, to rodzia rozªadów P T jest rówie» zupeªa ograiczeie zupeªa. Mówi c iaczej: Na zupeªej przestrzei statystyczej a»da statystya jest zupeªa. Dowód. Niech ϕ b dzie fucj rzeczywist ograiczo, A - mierzal, P T - caªowal i speªiaj c warue ϕt dµ T θ t = 0, θ Θ. St d Z zupeªo±ci P wyia,»e Poiewa» Y ϕt x dµ θ x = 0, θ Θ. µ θ {x : ϕt x 0} = 0, θ Θ. {x : ϕt x 0} = T {t Y : ϕt 0}, wi c [ {t Y : ϕt 0} = µθ T {t Y : ϕt 0} ] = µ θ {x : ϕt x 0} = 0 µ T θ dla θ Θ, co dowodzi zupeªo±ci P T. Zauwa»my,»e twierdzeie odwrote do powy»szego ie musi by prawdziwe tz. rodzia P T mo»e by zupeªa, a P ie. Przyªad 3.3 Niech =, 2 b dzie prób losow prost z populacji w tórej badaa cecha ma rozªad ormaly Nm, σ 2, θ = m, σ Θ = IR 0,. Ja wiadomo ze stwierdzeia 3.0 rodzia rozªadów próby ie jest zupeªa. Rozwa»my statysty T = + 2. Jej rodzi rozªadów jest rodzia rozªadów ormalych N2m, 2σ 2, θ = m, σ Θ. Ja wiadomo z przyªadu 3.8 i jest oa rodzi zupeª. Twierdzeie 3.4 Lehma Niech daa b dzie przestrze«statystycza, B, P, gdzie rodzia rozªadów P = {µ θ } θ Θ ma g sto±ci f θ wzgl dem pewej σ - so«czoej miary λ postaci f θ x = Cθ exp θ j T j x, x, gdzie θ = θ,..., θ ale» do aturalej przestrzei parametrów Θ IR. Je±li Θ zawiera przedziaª - wymiarowy, to statystya T = T,..., T jest zupeªa i dostatecza.
8 Mare Be±a, Statystya matematycza, wyªad 3 45 Przyªad 3.5 Niech =,..., b dzie prób losow prost z populacji w tórej badaa cecha ma rozªad ormaly Nm, σ 2, θ = m, σ Θ = IR 0,. G sto± z próby mo»a zapisa w postaci exp m2 2σ f θ x = 2 2π /2 σ m exp σ 2 x i 2σ 2 Przejd¹my do parametryzacji aoiczej ozaczaj c x 2 i, x = x,..., x IR. θ = m σ 2, θ 2 = 2σ 2, θ = θ, θ 2 Θ = IR, 0. G sto±ci z próby maj teraz posta f θ x = Cθ exp θ x i + θ 2 x 2 i, x = x,..., x IR. Poiewa» aturala przestrze«parametrów Θ zawiera przedziaª dwuwymiarowy, wi c z twierdzeia Lehmaa statystya T = T, T 2, gdzie T = i, T 2 = 2 i jest statysty zupeª. Zauwa»my,»e gdyby±my zaw zili Θ do Θ = {θ, θ 2 : θ =, θ 2 < 0}, to Θ ie zawiera przedziaªu dwuwymiarowego i statystya T, T 2 ie jest zupeªa dla Θ. Rzeczywi±cie, rozwa»my iezerow fucj gt, t 2 = t t 2 t2 0, t IR, t 2 > 0. Wtedy gt, T 2 = i [ i 2 2 ] i = i [ i 2 2 i ]. Poiewa» E 2 i = m2 + σ 2, i oraz i Nm, σ 2 /, wi c bo θ = m/σ2 =. EgT, T 2 = m [ m 2 + σ 2 m 2 + σ2 ] = m σ2 = m σ 2 = 0, dla a»dego σ > 0,
9 Mare Be±a, Statystya matematycza, wyªad 3 46 Twierdzeie 3.6 Niech daa b dzie przestrze«statystycza, B, P, gdzie rodzia rozªadów P = {µ θ } θ Θ jest domiowaa przez pew miar σ - so«czo λ. Je±li statystya T :, B Y, A jest dostatecza i ograiczeie zupeªa, to T jest miimal dostatecz statysty. Dowód. Niech ν b dzie wyró»ioym rozªadem rówowa»ym z P. Ozaczmy B 0 = T A. Z dostateczo±ci T twierdzeie 2.2 istieje dla a»dego θ Θ wersja g sto±ci f θ rozªadu µ θ wzgl dem ν, tóra jest mierzala wzgl dem B 0. Niech B 0 b dzie ajmiejsz σ - algebr wzgl dem tórej s mierzale g sto±ci f θ dla θ Θ. Niech A B. Wtedy µa B 0 µa B 0 jest B 0 - mierzala. St d ja wiadomo istieje fucja borelowsa ograiczoa g taa,»e gt = µa B 0 µa B 0. Zatem mamy Z ograiczoej zupeªo±ci T mamy E θ gt = E θ [ µa B0 µa B 0 ] = 0, θ Θ. gt = 0, St d w szczególo±ci, gdy A B 0 dostajemy 3.4 I A = µa B 0, Ozaczmy F = {x : µa B 0x = } B 0. Wtedy a mocy 3.4 mamy F A N P, bo F A {I A µa B 0 }. Poiewa» A = A \ F [F \ F \ A], wi c A B 0. Wyazali±my zatem zawieraie B 0 B 0, a poiewa» B 0 B 0, wi c mamy B 0 = B 0 Na mocy twierdzeia 2.24 B 0 jest miimal dostatecz σ - algebr tz. T jest miimal dostatecz statysty. Deicja 3.7 Niech daa b dzie przestrze«statystycza, B, P, gdzie P = {µ θ } θ Θ i statystya T :, B Y, A. Statysty T azywamy swobod dla θ Θ, je±li jej rozªad ie zale»y od parametru θ tz. dla pewego rozªadu ν mamy µ T θ = ν, θ Θ. Twierdzeie 3.8 Basu Niech T i V b d statystyami a przestrzei statystyczej, B, P, gdzie P = {µ θ } θ Θ. Je±li statystya T jest dostatecza i ograiczeie zupeªa, a statystya V jest statysty swobod, to T i V s iezale»e.
10 Mare Be±a, Statystya matematycza, wyªad 3 47 Dowód. Niech ϕ b dzie ograiczo rzeczywist fucj, mierzal i µ V θ θ Θ. Z dostateczo±ci T mamy - caªowal dla E θ [ ϕv T ] = E [ ϕv T ], θ Θ. Zatem V - swoboda E θ { E [ ϕv T ]} = Eθ ϕv = EϕV, θ Θ. Z ograiczoej zupeªo±ci T dostajemy E [ ϕv T ] = EϕV, St d V jest iezale»e od T. Przyªad 3.9 Niech =,..., b dzie prób losow z rozªadu ormalego Nm, σ 2, gdzie parametr σ jest zay. Zatem θ = m Θ = IR. Ja wiadomo przyªad statystya T = i jest statysty dostatecz i zupeª przyªad 3.8i. Statysta V = i T 2 jest swoboda. Zatem z twierdzeia Basu statystyi T i V s iezale»e.
7 Twierdzenie Fubiniego
M. Beśka, Wstęp do teorii miary, wykład 7 19 7 Twierdzenie Fubiniego 7.1 Miary produktowe Niech i będą niepustymi zbiorami. Przez oznaczmy produkt kartezjański i tj. zbiór = { (x, y : x y }. Niech E oraz
Bardziej szczegółowoWykªad 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 szczegółowoMetoda najszybszego spadku
Metody Gradietowe W tym rozdziale bdziemy rozwaa metody poszuiwaia dla fucji z przestrzei R o wartociach rzeczywistych Metody te wyorzystuj radiet fucji ja rówie wartoci fucji Przypomijmy, czym jest zbiór
Bardziej szczegółowoWykład 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 szczegółowoEstymatory nieobciążone o minimalnej wariancji
Estymatory ieobciążoe o miimalej wariacji Model statystyczy (X, {P θ, θ Θ}); g : Θ R 1 Zadaie: oszacować iezaą wartość g(θ) Wybrać takie δ(x 1, X 2,, X ) by ( θ Θ) ieobciążoość E θ δ(x 1, X 2,, X ) = g(θ)
Bardziej szczegółowoWyk lad 8 Zasadnicze twierdzenie algebry. Poj. ecie pierścienia
Wy lad 8 Zasadicze twierdzeie algebry. Poj ecie pierścieia 1 Zasadicze twierdzeie algebry i jego dowód Defiicja 8.1. f: C C postaci Wielomiaem o wspó lczyiach zespoloych azywamy fucj e f(x) = a x + a 1
Bardziej szczegółowoWykªad 2. Szeregi liczbowe.
Wykªad jest prowadzoy w oparciu o podr czik Aaliza matematycza 2. Deicje, twierdzeia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 2. Szeregi liczbowe. Deicje i podstawowe twierdzeia Deicja Szeregiem liczbowym
Bardziej szczegółowoAnaliza matematyczna 1 Notatki do wykªadu Mateusz Kwa±nicki. 7 Sumy i iloczyny uogólnione
Aaliza matematycza Notatki do wykªadu Mateusz Kwa±icki 7 Sumy i iloczyy uogólioe Dla dowolych liczb a k, a k+, a k+,..., a l okre±lamy sum uogólio i iloczy uogólioy: a k + a k+ + a k+ +... + a l, l a k
Bardziej szczegółowo1 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> 1), wi c na mocy kryterium porównawczego szereg sin(n n)
.65. si() W szeregu tym wyst puj wyrazy dodatie i ujeme, ale ie a przemia. Zbadajmy wi c szereg: si() zªo»oy z warto±ci bezwzgl dych wyrazów szeregu daego w zadaiu. Poiewa» si(), wi c si() = Po prawej
Bardziej szczegółowoZestaw 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 szczegółowoszereg jest szeregiem o wyrazach nieujemnych. Ponadto dla α (0; π ) zachodzi nierówno± sinα < α,
.. si Poiewa» si < 1; 1 >, wi c zbadajmy szereg zªo»oy z warto±ci bezwzgl dych wyrazów szeregu daego w zadaiu: () si = si, ale si < 0; 1 > Zatem si 1 () Po prawej stroie powy»szej ierówo±ci mamy szereg
Bardziej szczegółowoZbiory. Zadanie 5. Wykaza to»samo±ci (a) A (B \ C) = [(A B) \ C] (A C), (b) A \ [B \ (C \ D)] = (A \ B) [(A C) \ D],
x FAQ ANALIZA R c ZADANIA Zbiory Zadaie 1. Opisa zbiory A B, A B, A \ B, B \ A je±li A = {x R : x 3x < 0, }; B = {x R : x 3x + 4 0} Zadaie. Niech A, B, C, D b d podzbiorami przestrzei X. Udowodi,»e A \
Bardziej szczegółowoRAP pa¹dziernika S n = S 0 + i=1. p r q l = p r q l r. N n(a,b)
RAP 4 5 pa¹dzierika 008 Wykªad : PSL metoda zliczaia ±cie»ek Wykªadowca: Adrzej Ruci«ski Pisarz:Bartosz Naskr cki i Marek Kaluba Wst p B dziemy dalej studiowa zachowaia osobika, którego gr zajmowali±my
Bardziej szczegółowoTwierdzenia 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 szczegółowoStwierdzenie 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 szczegółowoAnaliza Matematyczna I.1
Aaliza Matematycza I Seria, P Nayar, 0/ Zadaie Niech a k >, (k =,, ) b d liczbami rzeczywistymi o tym samym zaku Udowodij,»e prawdziwa jest ierówo± ( + a )( + a ) ( + a ) + a + a + + a Czy zaªo»eie,»e
Bardziej szczegółowoAnaliza Matematyczna I.1
Aaliza Matematycza I Seria, P Nayar, 0/3 Zadaie Niech a k >, (k =,, b d liczbami rzeczywistymi o tym samym zaku Udowodij,»e prawdziwa jest ierówo± ( + a ( + a ( + a + a + a + + a Czy zaªo»eie,»e liczby
Bardziej szczegółowoBiostatystyka, # 5 /Weterynaria I/
Biostatystyka, # 5 /Weterynaria I/ dr n. mat. Zdzisªaw Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowa«Matematyki i Informatyki ul. Gª boka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoKonkurs Uczniowskich Prac z Matematyki. Urok zbioru µ. Michaª Mi±kiewicz. Opiekun pracy: dr Jerzy Bednarczuk
Kokurs Ucziowskich Prac z Matematyki Urok zbioru µ Michaª Mi±kiewicz Opieku pracy: dr Jerzy Bedarczuk Warszawa 010 Streszczeie Tematem mojej pracy s pukty takie,»e suma kwadratów odlegªo±ci puktów z wcze±iej
Bardziej szczegółowoTw. 1. Je»eli ci g {a n } ma granic a i ci g {b n } ma granic b, to ci g {a n b n } ma granic a b. Tw. 2. b n. Tw. 3. Tw. 4.
Tw.. Je»eli ci g {a } ma graic a i ci g {b } ma graic b, to ci g {a + b } ma graic a+b. Tw.. Je»eli ci g {a } ma graic a i ci g {b } ma graic b, to ci g {a b } ma graic a-b. Tw.. Je»eli ci g {a } ma graic
Bardziej szczegółowotek zauważmy, że podobnie jak w dziedzinie rzeczywistej wprowadzamy dla funkcji zespolonych zmiennej rzeczywistej pochodne wyższych rze
R o z d z i a l III RÓWNANIA RÓŻNICZKOWE LINIOWE WYŻSZYCH RZE DÓW 12. Rówaie różiczowe liiowe -tego rze du Na pocza te zauważmy, że podobie ja w dziedziie rzeczywistej wprowadzamy dla fucji zespoloych
Bardziej szczegółowoFunkcja generująca rozkład (p-two)
Fucja geerująca rozład (p-wo Defiicja: Fucją geerującą rozład (prawdopodobieńswo (FGP dla zmieej losowej przyjmującej warości całowie ieujeme, azywamy: [ ] g E P Twierdzeie: (o jedozaczości Jeśli i są
Bardziej szczegółowoEkstremalna teoria grafów Filip Lurka V Liceum ogólnoksztaªc ce w Krakowie
Ekstremala teoria grafów Filip Lurka V Liceum ogóloksztaªc ce w Krakowie 1 Ekstremala Teoria Grafów 1 Ekstremala Teoria Grafów Filip Lurka 1.1 Teoria Deicja 1.1 Klik azywamy graf peªy; ka»de dwa wierzchoªki
Bardziej szczegółowof '. Funkcja h jest ciągła. Załóżmy, że ciąg (z n ) n 0, z n+1 = h(z n ) jest dobrze określony, tzn. n 0 f ' ( z n
Metoda Newtoa i rówaie z = 1 Załóżmy, że fucja f :C C ma ciągłą pochodą. Dla (prawie) ażdej liczby zespoloej z 0 tworzymy ciąg (1) (z ) 0, z 1 = z f ( z ), ciąg te f ' (z ) będziemy azywać orbitą liczby
Bardziej szczegółowo2 Podstawowe obiekty kombinatoryczne
2 Podstawowe obiety ombinatoryczne Oznaczenia: N {0, 1, 2,... } zbiór liczb naturalnych. Dla n N przyjmujemy [n] {1, 2,..., n}. W szczególno±ci [0] jest zbiorem pustym. Je±li A jest zbiorem so«czonym,
Bardziej szczegółowoStatystyka 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 szczegółowoStatystyka Matematyczna. Skrypt. Spis treści. SKN Matematyki Stosowanej. s k n. m s 11 czerwca Oznaczenia i definicje 4
Spis treści Ozaczeia i defiicje 4 Wioskowaie statystycze 4. Statystyki dostatecze................................................. 4.. Rodzia rozkładów wykładiczych......................................
Bardziej szczegółowo8 Weryfikacja hipotez statystycznych
Marek Beśka, Statystyka matematycza, wykład 8 04 8 Weryfikacja hipotez statystyczych 8. Hipotezy statystycze Drugą obok estymacji formą wioskowaia statystyczego jest weryfikacja hipotez statystyczych.
Bardziej szczegółowo16 Przedziały ufności
16 Przedziały ufości zapis wyiku pomiaru: sugeruje, że rozkład błędów jest symetryczy; θ ± u(θ) iterpretacja statystycza przedziału [θ u(θ), θ + u(θ)] zależy od rozkładu błędów: P (Θ [θ u(θ), θ + u(θ)])
Bardziej szczegółowoSpacery losowe i sieci elektryczne
Uiwersytet Wrocªawsi Wydziaª Matematyi i Iformatyi Istytut Matematyczy specjalo± : zastosowaia rachuu prawdopodobie«stwa i statystyi Oliwier Bieraci Spacery losowe i sieci eletrycze Praca licecjaca apisaa
Bardziej szczegółowoAnaliza matematyczna 1 Notatki do wykªadu Mateusz Kwa±nicki
Aaliza matematycza 1 Notatki do wykªadu Mateusz Kwa±icki 1 Idukcja matematycza Przykªad 1. Pewego popoªudia Kubu± Puchatek kupiª pust beczk, która mie±ci 20 sªoików miodu, i wlaª do iej wszystkie swoje
Bardziej szczegółowo7 Liczby zespolone. 7.1 Działania na liczbach zespolonych. Liczby zespolone to liczby postaci. z = a + bi,
7 Liczby zespoloe Liczby zespoloe to liczby postaci z a + bi, gdzie a, b R. Liczbę i azywamy jedostką urojoą, spełia oa waruek i 2 1. Zbiór liczb zespoloych ozaczamy przez C: C {a + bi; a, b R}. Liczba
Bardziej szczegółowoFunkcje tworz ce skrypt do zada«
Fukcje tworz ce skrypt do zada«mateusz Rapicki, Piotr Suwara 20 maja 2012 1 Kombiatoryka Deicja 1 (dwumia Newtoa) dla liczb caªkowitych ieujemych, k to liczba k sposobów wybraia k elemetów z -elemetowego
Bardziej szczegółowowi c warunek konieczny zbie»no±ci szeregu jest speªniony. 12 = 9 12 = 3 4 k(k+1) k=1 ( k+1 k(k+1) n+1 = 1 1 n+1 = 1 0 = 1 36 = =
32 (+) Jest to szereg o wyrazach dodatich Poadto wyraz ogóly tego szeregu jest zbie»y do 0, wi c waruek koieczy zbie»o±ci szeregu jest speªioy s (+) 2 s 2 s + 2 (2+) 2 + 2 3 2 + 6 3 6 + 6 4 6 2 3 s 3 s
Bardziej szczegółowo1 Wnioskowanie statystyczne podstawowe poj cia
1 Wioskowaie statystycze podstawowe poj cia 1.1 arametry rozkªadu, próba losowa We wioskowaiu statystyczym próbujemy a podstawie losowej próbki z pewej populacji wioskowa a temat caªej populacji. Mo»emy
Bardziej szczegółowo6 Metody konstruowania estymatorów
Marek Beśka, Statystyka matematyczna, wykład 6 74 6 Metody konstruowania estymatorów 6.1 Metoda momentów Niech (X, B, P) będzie przestrzenią statystyczną, gdzie P = {µ θ } θ Θ, (Θ IR) jest rodziną rozkładów
Bardziej szczegółowoRównoliczno zbiorów. Definicja 3.1 Powiemy, e niepuste zbiory A i B s równoliczne jeeli istnieje. Piszemy wówczas A~B. Przyjmujemy dodatkowo, e ~.
16 Rówoliczo zbiorów Defiicja 3.1 Powiemy, e iepuste zbiory A i B s rówolicze jeeli istieje f : A B. Piszemy wówczas A~B. Przyjmujemy dodatkowo, e ~. Twierdzeie 3.1 (podstawowa właso rówoliczoci zbiorów)
Bardziej szczegółowoX i T (X) = i=1. i + 1, X i+1 i + 1. Cov H0. ( X i. k 31 ) 1 Φ(1, 1818) 0, 12.
Zadae p (X p (X ( ( π 6 6 e 6 X m ( π 6 6 e 6 ( X C e m 6 X, gdze staªa C e zale»y od statystyk X (X,, X 6, a m jest w ksze od zera Zatem p (X/p (X jest emalej c fukcj statystyk T (X 6 X ªatwo pokaza,»e
Bardziej szczegółowoRozkład 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 szczegółowoBiostatystyka, # 4 /Weterynaria I/
Biostatystyka, # 4 /Weterynaria I/ dr n. mat. Zdzisªaw Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowa«Matematyki i Informatyki ul. Gª boka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoStatystyka. Wykład 2. Krzysztof Topolski. Wrocław, 11 października 2012
Wykład 2 Wrocław, 11 października 2012 Próba losowa Definicja. Zmienne losowe X 1, X 2,..., X n nazywamy próba losową rozmiaru n z rozkładu o gęstości f (x) (o dystrybuancie F (x)) jeśli X 1, X 2,...,
Bardziej szczegółowoWykład 6. Przestrzenie metryczne ośrodkowe i zupełne. ρ, gdzie r
Wyład 6 Przestrzeie etrycze ośrodowe i zupełe. Przypoiay, że zbiór azyway przeliczaly, jeśli jest o rówoliczy ze zbiore wszystich liczb aturalych N, a co ajwyżej przeliczaly, jeśli jest o przeliczaly lub
Bardziej szczegółowoCiągi i szeregi liczbowe. Ciągi nieskończone.
Ciągi i szeregi liczbowe W zbiorze liczb X jest określoa pewa fukcja f, jeŝeli kaŝdej liczbie x ze zbioru X jest przporządkowaa dokładie jeda liczba pewego zbioru liczb Y Przporządkowaie to zapisujem w
Bardziej szczegółowoWokół 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 szczegółowoNiezależność 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 szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematycza Aa Jaicka wykład XIV, 06.06.06 STATYSTYKA BAYESOWSKA CD. Pla a dzisiaj. Statystyka Bayesowska rozkłady a priori i a posteriori estymacja Bayesowska: Bayesowski Estymator Największej
Bardziej szczegółowoEGZAMIN MAGISTERSKI, r Matematyka w ekonomii i ubezpieczeniach. a) (6 pkt.) oblicz intensywno± pªaconych skªadek;
EGZAMIN MAGISTERSKI, 26.06.2019r Matematyka w ekonomii i ubezpieczeniach 1. (8 punktów) Dwa niezale»ne portfele S 1, S 2 maj zªo»one rozkªady Poissona. S 1 CP oisson(2, F ), S 2 CP oisson(2, G), gdzie
Bardziej szczegółowoAnaliza matematyczna i algebra liniowa
Aaliza matematycza i algebra liiowa Materiały pomocicze dla studetów do wyładów Rachue różiczowy ucji wielu zmieych. Pochode cząstowe i ich iterpretacja eoomicza. Estrema loale. Metoda ajmiejszych wadratów.
Bardziej szczegółowoStatystyka Matematyczna. Skrypt. Spis treści. SKN Matematyki Stosowanej. s k n. m s 23 kwietnia Oznaczenia i definicje 3
Spis treści Ozaczeia i defiicje 3 Wioskowaie statystycze 3. Statystyki dostatecze................................................. 3.. Rodzia rozkładów wykładiczych......................................
Bardziej szczegółowoTeoria. 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 szczegółowoZnajdowanie 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 szczegółowoOperatory zwarte Lemat. Jeśli T jest odwzorowaniem całkowym na przestrzeni Hilberta X = L 2 (Ω) z jądrem k L 2 (M M)
Operatory zwarte Niech X będzie przestrzeią Baacha. Odwzorowaie liiowe T azywa się zwarte, jeśli obraz kuli jedostkowej T (B) jest zbiorem warukowo zwartym. Przestrzeń wszystkich operatorów zwartych a
Bardziej szczegółowo1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1,
1 Zmiee loowe Właości dytrybuaty F x = X < x: F1. 0 F x 1 dla każdego x R, F2. lim F x = 0 oraz lim F x = 1, x x + F3. F jet fukcją iemalejącą, F4. lim x x 0 F x = F x 0 dla każdego x R, F5. a X < b =
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XI: Testowanie hipotez statystycznych 12 stycznia 2015 Przykład Motywacja X 1, X 2,..., X N N (µ, σ 2 ), Y 1, Y 2,..., Y M N (ν, δ 2 ). Chcemy sprawdzić, czy µ = ν i σ 2 = δ 2, czyli że w obu populacjach
Bardziej szczegółowolim a n Cigi liczbowe i ich granice
Cigi liczbowe i ich graice Cigiem ieskoczoym azywamy dowol fukcj rzeczywist okrelo a zbiorze liczb aturalych. Dla wygody zapisu, zamiast a() bdziemy pisa a. Elemet a azywamy -tym wyrazem cigu. Cig (a )
Bardziej szczegółowoMatematyka ETId I.Gorgol Twierdzenia o granicach ciagów. Twierdzenia o granicach ciagów
Twierdzeia o graicach ciagów Matematyka ETId I.Gorgol Zbieżość ciagu a jego ograiczoość TWIERDZENIE Jeżeli ci ag liczbowy a ) jest zbieży do graicy skończoej, to jest ograiczoy. Zbieżość ciagu a jego ograiczoość
Bardziej szczegółowoX i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.
Zagadieia estymacji Puktem wyjścia badaia statystyczego jest wylosowaie z całej populacji pewej skończoej liczby elemetów i zbadaie ich ze względu a zmieą losową cechę X Uzyskae w te sposób wartości x,
Bardziej szczegółowoKOMBINATORYKA 1 WYK LAD 11 Kombinatoryczna teoria zbiorów
KOMBINATORYKA 1 WYK LAD 11 Kombiatorycza teoria zbiorów 23 maja 2012 Wyk lad poświe coy jest w lasościom rodzi podzbiorów skończoego zbioru. Rozpoczya go poje cie systemu różych reprezetatów wraz ze s
Bardziej szczegółowoWykład 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 szczegółowoPrawdopodobieństwo 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 szczegółowoZBIEŻNOŚĆ 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 szczegółowo1. 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 szczegółowoPRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).
TATYTYKA MATEMATYCZNA WYKŁAD 3 RZEDZIAŁY UFNOŚCI Niech θ - iezay parametr rozkład cechy. Niech będzie liczbą z przedział 0,. Jeśli istieją statystyki, U i U ; U U ; których rozkład zależy od θ oraz U θ
Bardziej szczegółowoStatystyka matematyczna - ZSTA LMO
Statystyka matematyczna - ZSTA LMO Šukasz Smaga Wydziaª Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza w Poznaniu Wykªad 1 Šukasz Smaga (WMI UAM) ZSTA LMO Wykªad 1 1 / 28 Kontakt Dr Šukasz
Bardziej szczegółowo9 Elementy analizy wielowymiarowej
Marek Beśka, Statystyka matematyczna, wykład 9 3 9 Elementy analizy wielowymiarowej 9. Wielowymiarowy rozkład normalny Definicja 9. Wektor losowy X = X,..., X k ) określony na przestrzeni probabilistycznej
Bardziej szczegółowoElementy Modelowania Matematycznego Wykªad 1 Prawdopodobie«stwo
Spis tre±ci Elementy Modelowania Matematycznego Wykªad 1 Prawdopodobie«stwo Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis tre±ci Spis tre±ci 1 2 3 4 5 Spis tre±ci Spis tre±ci 1 2 3 4
Bardziej szczegółowoAnaliza 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 szczegółowoCAŁKA NIEOZNACZONA. F (x) = f(x) dx.
CAŁKA NIEOZNACZONA Mówimy, że fukcja F () jest fukcją pierwotą dla fukcji f() w pewym ustaloym przedziale - gdy w kadym pukcie zachodzi F () = f(). Fukcję pierwotą często azywamy całką ieozaczoą i zapisujemy
Bardziej szczegółowoimię, nazwisko, nr indeksu (drukowanymi lit.) grupa inicjały wynik Egzamin 18L3. Test (90 min) Algebra i teoria mnogości 7 września 2018 O0
imię, azwisko, r ideksu drukowaymi lit.) grupa iicjały wyik Egzami 8L. Test 9 mi) 7 wrześia 8 O ϕx) : x > 4 x R \, ) ϕx) : y > x y b przyjmujemy
Bardziej szczegółowoMatematyczne podstawy kognitywistyki
Matematycze podstawy kogitywistyki Jerzy Pogoowski Zakªad Logiki i Kogitywistyki UAM pogo@amu.edu.pl Struktury ró»iczkowe Jerzy Pogoowski (MEG) Matematycze podstawy kogitywistyki Struktury ró»iczkowe 1
Bardziej szczegółowoO 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 szczegółowoNotatki do wykªadu Rachunek prawdopodobie«stwa dla informatyków.
Notatki do wykªadu Rachuek prawdopodobie«stwa dla iformatyków. Marci Milewski Wrocªaw, 4 lutego 2009 Spis tre±ci 1 Prawdopodobie«stwo 2 1.1 Ozaczeia i poj cia...........................................
Bardziej szczegółowoPodstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja
Podstawowe ozaczeia i wzory stosowae a wykładzie i laboratorium Część I: estymacja 1 Ozaczeia Zmiee losowe (cechy) ozaczamy a wykładzie dużymi literami z końca alfabetu. Próby proste odpowiadającymi im
Bardziej szczegółowozadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych
zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych 1. [E.A 5.10.1996/zad.4] Funkcja gęstości dana jest wzorem { 3 x + 2xy + 1 y dla (x y) (0 1) (0 1) 4 4 P (X > 1 2 Y > 1 2 ) wynosi:
Bardziej szczegółowo3. (8 punktów) EGZAMIN MAGISTERSKI, Biomatematyka
EGZAMIN MAGISTERSKI, 26.06.2017 Biomatematyka 1. (8 punktów) Rozwój wielko±ci pewnej populacji jest opisany równaniem: dn dt = rn(t) (1 + an(t), b gdzie N(t) jest wielko±ci populacji w chwili t, natomiast
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Zadanie Rozważmy następujący model strzelania do tarczy. Współrzędne puntu trafienia (, Y ) są niezależnymi zmiennymi losowymi o jednaowym rozładzie normalnym N ( 0, σ ). Punt (0,0) uznajemy za środe tarczy,
Bardziej szczegółowoStatystyka matematyczna - ZSTA LMO
Statystyka matematyczna - ZSTA LMO Šukasz Smaga Wydziaª Matematyki i Informatyki Uniwersytet im. Adama Mickiewicza w Poznaniu Wykªad 4 Šukasz Smaga (WMI UAM) ZSTA LMO Wykªad 4 1 / 18 Wykªad 4 - zagadnienia
Bardziej szczegółowoJarosław Wróblewski Analiza Matematyczna 1A, zima 2014/15. n 4n n 1
30. Obliczyć wartość graicy ( 0 ( ( ( 4 +1 + 1 4 +3 + 4 +9 + 3 4 +7 +...+ 1 4 +3 + 1 ( ( 4 +3. Rozwiązaie: Ozaczmy sumę występującą pod zakiem graicy przez b. Zamierzamy skorzystać z twierdzeia o trzech
Bardziej szczegółowo1) Jakie są różnice pomiędzy analiza danych a wnioskowaniem statystycznym?
Plaowaie Eksperymetów 1) Jakie są różice pomiędzy aaliza daych a wioskowaiem statystyczym? Celem aalizy daych jest prezetacja kokretego zbioru daych, w sposób ukazujący jego właściwości, w szczególości
Bardziej szczegółowoWyk lad 2 W lasności cia la liczb zespolonych
Wyk lad W lasości cia la liczb zespoloych 1 Modu l, sprz eżeie, cz eść rzeczywista i cz eść urojoa Niech a, b bed a liczbami rzeczywistymi i iech z = a bi. (1) Przypomijmy, że liczba sprzeżo a do z jest
Bardziej szczegółowoSpis tre±ci 1. Wprowadzenie Sprawy formalne O matematyce O kursie Ci gªo± Pochodna Caªka
Spis tre±ci 1. Wprowadzeie 3 1.1. Sprawy formale 3 1.. O matematyce 3 1.3. O kursie 3 1.4. Ci gªo± 3 1.5. Pochoda 5 1.6. Caªka 6 1.7. Liczby rzeczywiste 6 1.8. Ie iformacje 6. Liczby rzeczywiste 7.1. Formala
Bardziej szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematycza Aa Jaicka wykład XIII, 30.05.06 STATYSTYKA BAYESOWSKA Pla a dzisiaj. Statystyka Bayesowska rozkłady a priori i a posteriori estymacja Bayesowska: Bayesowski Estymator Największej
Bardziej szczegółowoA.1. Asymptotyka bez notacji asymptotycznej. Przykªad A.1. Zbada zachowanie asymptotyczne liczb Fibonacciego. Pokaza,»e. F n = round ( 1 5 Φ n )
A Notacjaasymptotycza Badaj c du»e obiekty kombiatorycze cz sto ie jest koiecze pozaie dokªadej warto±ci okre±loej wielko±ci (szczególie gdy wzór dokªady jest skomplikoway), a jedyie jej warto± przybli»o,
Bardziej szczegółowo2.1 Przykład wstępny Określenie i konstrukcja Model dwupunktowy Model gaussowski... 7
Spis treści Spis treści 1 Przedziały ufności 1 1.1 Przykład wstępny.......................... 1 1.2 Określenie i konstrukcja...................... 3 1.3 Model dwupunktowy........................ 5 1.4
Bardziej szczegółowoSTATYSTYKA. 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 szczegółowoWyk lad 1 Podstawowe techniki zliczania
Wy lad 1 Podstawowe techii zliczaia Wariacje bez powtórzeń Defiicja 1. Niech i bed a liczbami aturalymi taimi, że. Niech A bedzie dowolym zbiorem elemetowym. Każdy ciag różowartościowy a 1,..., a d lugości
Bardziej szczegółowoTwierdzenie 15.3 (o postaci elementów rozszerzenia ciała o zbiór). Niech F będzie ciałem oraz A F pewnym zbiorem. Niech L<F.
15. Wyład 15: Podciała, podciała geerowae przez zbiór, rozszerzeia ciał. Charaterystya pierścieia i ciała, ciała proste i lasyfiacja ciał prostych. 15.1. Podciała, podciała geerowae przez zbiór, rozszerzeia
Bardziej szczegółowoAnaliza 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 szczegółowoTwierdzenia o funkcjach ciągłych
Automatya i Robotya Aaliza Wyład 5 dr Adam Ćmiel cmiel@aghedupl Twierdzeia o ucjach ciągłych Tw (Weierstrassa Jeżeli ucja : R [ R jest ciągła a [, to ograiczoa i : ( sup ( i ( i ( [, Dowód Ograiczoość
Bardziej szczegółowoRachunek caªkowy funkcji wielu zmiennych
Rachunek caªkowy funkcji wielu zmiennych I. Malinowska, Z. Šagodowski Politechnika Lubelska 8 czerwca 2015 Caªka iterowana podwójna Denicja Je»eli funkcja f jest ci gªa na prostok cie P = {(x, y) : a x
Bardziej szczegółowoZadanie 1. Zadanie 2. Zadanie 3
Zadanie R to rata miesi czna, odsetki w k-tej racie to ods k = R( v 8 k ), a spªata kapitaªu wyra»a si wzorem kap k = Rv 8 k, gdzie v = (, 5) /6. Dany jest ukªad nierówno±ci z którego wynika Rv 8 N R(
Bardziej szczegółowox + 1 dla x 2 (d) f(x) = + 2 dla x > 2; (3) Znajd¹ dziedzin oraz funkcj odwrotn (je±li jest to proste) do: 1 log 3 x, (log2 x 2 ) 1 log 2
1. Fukcje elemetare (1) Zajd¹ wykres fukcji arcsi(si(x)). (2) Zajd¹ posªuguj c si wykresami fukcje odwrote do podaych i»ej, a ast pie sprawd¹,»e s to rzeczywi±cie odwrote. (a) f(x) = 2x; (b) f(x) = 3x
Bardziej szczegółowo3 Metody zliczania obiektów
3 Metody zliczaia obiektów Metoda bijektywa 3.1 Metoda bijektywa zliczaia obiektów kombiatoryczych polega a wskazaiu bijekcji pomi dzy badaym obiektem, a obiektem, którego ilo± elemetów jest am ju» zaa.
Bardziej szczegółowoTrzeba 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 szczegółowoMat. Fin. i Bio., Gdańsk, Zestaw zadań ze statystyki matematycznej. Zestaw 1 1 N
Marek Beśka, Statystyka matematyczna 1 Mat. Fin. i Bio., Gdańsk, 26.09.2016 Zestaw zadań ze statystyki matematycznej Zestaw 1 Zad. 1. Wykazać, że jeśli X 1, X 2,... są zmiennymi losowymi o jednakowych
Bardziej szczegółowoMatematyka 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 szczegółowoJarosław 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 szczegółowo1 Liczby zespolone. , p, q Z. W zbiorze Q (tzn. liczb postaci p q
1 Liczby zespoloe 1.1 Dlaczego ie wystarczaj liczby rzeczywiste W dziejach systemów liczbowych, iejedokrotie trzeba byªo rozszerza istiej ce wyikaªo to z aturalych zapotrzebowa«. Liczby aturale N = {1,
Bardziej szczegółowoZbiory i odwzorowania
Zbiory i odwzorowania 1 Sposoby okre±lania zbiorów 1) Zbiór wszystkich elementów postaci f(t), gdzie t przebiega zbiór T : {f(t); t T }. 2) Zbiór wszystkich elementów x zbioru X speªniaj cych warunek ϕ(x):
Bardziej szczegółowo