Wykład 2. Zdarzenia niezależne i prawdopodobieństwo całkowite
|
|
- Beata Sowa
- 7 lat temu
- Przeglądów:
Transkrypt
1 Wstęp do probabilistyki i statystyki Wykład 2. Zdarzenia niezależne i prawdopodobieństwo całkowite dr hab.inż. Katarzyna Zakrzewska, prof.agh, Katedra lektroniki, WIT AGH Wstęp do probabilistyki i statystyki. Wykład 2 1
2 lan: Niezależność zdarzeń losowych rawdopodobieństwo całkowite Rozwiązywanie zadań wykorzystujących poznany materiał Twierdzenie ayes a Wstęp do probabilistyki i statystyki. Wykład 2 2
3 rawdopodobieństwo iloczynu zdarzeń rzypomnijmy z poprzedniego wykładu definicję prawdopodobieństwa warunkowego: A A A Definicja to może być zapisana w postaci: A A A A co pozwala obliczyć prawdopodobieństwo iloczynu dowolnych dwóch zdarzeń. Wstęp do probabilistyki i statystyki. Wykład 2 3
4 Zdarzenia niezależne W szczególnym przypadku z definicji prawdopodobieństwa warunkowego wynika co następuje: A A A Jeżeli A to wynik zdarzenia A nie ma żadnego wpływu na zdarzenie Zdarzenia A i określa się wtedy jako niezależne. Dla dwóch zdarzeń niezależnych obowiązuje: A A Wstęp do probabilistyki i statystyki. Wykład 2 4
5 Zdarzenia niezależne rzykład 2.1: Dzienna produkcja części do silników samolotów wynosi 850 w pewnym przedsiębiorstwie. Niestety 50 z nich nie spełnia właściwych norm jakościowych, co powoduje, że są odrzucane jako wadliwe. Zakładamy, że wybieramy dwa elementy z dziennej produkcji ale zanim wylosujemy drugi element, pierwszy oddajemy losowanie ze zwracaniem. Obliczyć prawdopodobieństwo zdarzenia, polegającego na tym, że drugi element jest wadliwy pod warunkiem, że pierwszy wylosowany element jest wadliwy zdarzenie A, czyli A. Wstęp do probabilistyki i statystyki. Wykład 2 5
6 Zdarzenia niezależne Rozwiązanie przykładu 2.1: Ze względu na sposób losowania ze zwracaniem, przy drugim losowaniu zbiór, z którego losujemy nadal zawiera 850 elementów, w tym 50 wadliwych. Stąd prawdopodobieństwo zdarzenia nie zależy od tego czy pierwszy wylosowany element był wadliwy czy nie, co oznacza: A Natomiast, prawdopodobieństwo, że oba elementy wylosowane są wadliwe jest iloczynem prawdopodobieństw A i : A A A ,0035 Wstęp do probabilistyki i statystyki. Wykład 2 6
7 Zdarzenia niezależne? rzykład 2.2: Jak w przykładzie 2.1, dzienna produkcja części do silników samolotów wynosi 850 w pewnym przedsiębiorstwie. Niestety 50 z nich nie spełnia właściwych norm jakościowych, co powoduje, że są odrzucane jako wadliwe. Zakładamy, że wybieramy dwa elementy z dziennej produkcji ale tym razem przed wylosowaniem drugiego elementu, pierwszego nie oddajemy losowanie bez zwracania. Obliczyć prawdopodobieństwo zdarzenia, polegającego na tym, że drugi element jest wadliwy pod warunkiem, że pierwszy wylosowany element jest wadliwy zdarzenie A, czyli A. Czy zdarzenia A i są niezależne? Wstęp do probabilistyki i statystyki. Wykład 2 7
8 Zdarzenia niezależne? Rozwiązanie przykładu 2.2: Ze względu na sposób losowania bez zwracania, przy drugim losowaniu zbiór, z którego losujemy zawiera 849 elementów, w tym 49 wadliwych pierwszy element wylosowany był wadliwy. Stąd prawdopodobieństwo zdarzenia warunkowego: A rawdopodobieństwa zdarzenia zależy od tego czy pierwszy element był wadliwy zdarzenie A czy nie był zdarzenie A : 50 Wstęp do probabilistyki i statystyki. Wykład 2 8 A' Zdarzenia A i prawdopodobnie nie są niezależne, ale jak obliczyć bezwarunkowe prawdopodobieństwo? 849
9 rawdopodobieństwo całkowite Wzór na prawdopodobieństwo iloczynu zdarzeń: A A A A jest użyteczny przy obliczaniu prawdopodobieństwa zdarzenia, które zależy od przebiegu innych zdarzeń. rzykład 2.3: rzy produkcji półprzewodników istnieje prawdopodobieństwo np. 0.10, że niekontrolowane zanieczyszczenie elementu spowoduje awarię całego układu. rawdopodobieństwo tego, że wystąpi awaria układu przez element niezanieczyszczony wynosi W danym procesie produkcji około 20% elementów jest poddanych wysokiemu poziomowi zanieczyszczeń. Jakie jest prawdopodobieństwo awarii układu zawierającego jeden taki element? Wstęp do probabilistyki i statystyki. Wykład 2 9
10 rawdopodobieństwo całkowite Dla zdarzenia takiego, że: Wstęp do probabilistyki i statystyki. Wykład 2 10 ' ' ' A A A A A A + + A ' A A A' ' A A
11 rawdopodobieństwo całkowite rzykładu 2.3: Wystąpienie awarii całego układu oznaczymy jako zdarzenie F ang. failure. Zdarzenie, że element jest poddany wysokiemu poziomowi zanieczyszczeń oznaczmy H. F H i F H ' H i H ' Ze wzoru na prawdopodobieństwo całkowite: F F H H + F H ' H F ' Wynik może być interpretowany jako średnia ważona dwóch prawdopodobieństw awarii. Wstęp do probabilistyki i statystyki. Wykład 2 11
12 Dla k zdarzeń parami wykluczających się ang. exclusive i wyczerpujących wszystkie możliwości ang. exhaustive: 1, 2,..., k, prawdopodobieństwo zdarzenia : Wstęp do probabilistyki i statystyki. Wykład 2 12 Ω k i i k k k gdzie : K K A' rawdopodobieństwo całkowite
13 Czy zdarzenia są niezależne? Dalszy ciąg przykładu 2.2: Znaleźliśmy, że prawdopodobieństwo zdarzenia wylosowania wadliwego elementu w drugim losowaniu bez zwracania zależy od wyniku pierwszego losowania zdarzenie A w pierwszym losowaniu wadliwy element; zdarzenie A - w pierwszym losowaniu dobry element A A' Czy zdarzenia A i są niezależne? Obliczmy bezwarunkowe prawdopodobieństwo ze wzoru na prawdopodobieństwo całkowite. A A + A ' A ' A Odpowiedź: zdarzenia A i nie są niezależne! Wstęp do probabilistyki i statystyki. Wykład 2 13
14 rawdopodobieństwo awarii układu rawdopodobieństwo całkowite przykład do samodzielnego rozwiązania oziom zanieczyszczeń Udział elementów zanieczyszczonych 0,1 Wysoki High 20% H 0,01 Średni Medium 30% M 0,001 Mały Low 50% L Wstęp do probabilistyki i statystyki. Wykład 2 14
15 rzykład 2.4: oniższy układ pracuje, jeżeli jest połączenie pomiędzy punktami a i b. rawdopodobieństwo, że pojedynczy element pracuje dane jest na rysunku. Załóżmy, że elementy mają awarię niezależnie. Jakie jest prawdopodobieństwo, że układ pracuje? T-zdarzenie, że element górny ang. top przewodzi Rozwiązywanie zadań wykorzystujących poznany materiał T lub T 1 [ T ' ] -zdarzenie, że element dolny ang. bottom przewodzi prawdopodobieństwo zdarzenia przeciwnego Wstęp do probabilistyki i statystyki. Wykład 2 15
16 Rozwiązywanie zadań wykorzystujących poznany materiał Rozwiązanie przykładu 2.4: Aby rozwiązać zadanie trzeba znać prawa De Morgana: T ' T' ' T ' T' ' Zdarzenia i T są niezależnie więc: T lub T 1 [ T ' ] 1 T' ' 2 2 ' and ' T' ' T' ' T Odpowiedź: rawdopodobieństwo, że układ pracuje wynosi: lub 1 T' ' T Wstęp do probabilistyki i statystyki. Wykład 2 16
17 Rozwiązywanie zadań wykorzystujących poznany materiał rzykład 2.5: Jakie jest prawdopodobieństwo działania układu? Wstęp do probabilistyki i statystyki. Wykład 2 17
18 Rozwiązywanie zadań wykorzystujących poznany materiał Rozwiązanie przykładu 2.5: W pierwszej kolumnie: 1 1 0, ,1 3 W drugiej kolumnie: 1 1 0, ,05 2 rawdopodobieństwo, że system działa: 1 0, ,05 3 0,99 0,987 Wstęp do probabilistyki i statystyki. Wykład 2 18
19 Twierdzenie ayes a roste przekształcenie definicji prawdopodobieństwa warunkowego: A A A A A prowadzi do wzoru: A A A, dla > 0 Jest to użyteczne twierdzenie gdy nie znamy pełnej tablicy jak w następującym przykładzie 2.6 Wstęp do probabilistyki i statystyki. Wykład 2 19
20 rzykład 2.6 Zdarzenie D oznacza, że cienka warstwa ma wadę; F oznacza, że ma skazę na powierzchni. lement wadliwy Skaza na powierzchni: Tak F Nie F Razem Tak D Nie D Razem W tabeli podany jest udział skaz powierzchniowych na cienkich warstwach do stwierdzenia ich wadliwości. Możemy z tabeli wyczytać że: D F 0, 25 F 0, 1 D Wstęp do probabilistyki i statystyki. wykład 1 20
21 rzykład 2.6 Jeżeli znamy pełną tablicę to możemy np. obliczyć prawdopodobieństwo tego, że część jest wadliwa pod warunkiem, że ma skazę na powierzchni: F D Jeżeli nie dysponujemy pełną tablicą to możemy obliczyć prawdopodobieństwo F/D z twierdzenia ayes a: F D F D Wstęp do probabilistyki i statystyki. wykład D F D F 10 38
22 Twierdzenie ayes a Wstęp do probabilistyki i statystyki. Wykład > dla Dla k zdarzeń parami wykluczających się ang. exclusive i wyczerpujących wszystkie możliwości ang. exhaustive: 1, 2,..., k, prawdopodobieństwo zdarzenia 1 pod warunkiem zajścia dowolnego zdarzenia : k k K
23 Ilustracja twierdzenia ayesa rzykład 2.7: Na dużej populacji zdrowych i chorych na daną chorobę pacjentów szpitala przeprowadzono test w celu ustalenia czy nowy sposób leczenia jest skuteczny. rawdopodobieństwo zdarzenia warunkowego S/D, że dodatni wynik testu S identyfikuje osobę chorą D wynosi S/D0,99. rawdopodobieństwo zdarzenia warunkowego S /D, że ujemny wynik testu S prawidłowo identyfikuje osobę zdrową D wynosi S /D 0,95. rawdopodobieństwo wystąpienia choroby w populacji wynosi D0,0001. rzeprowadzono na Tobie test, którego wynik jest dodatni. Jakie jest prawdopodobieństwo, że jesteś chory? Rozwiązanie przykładu 2.7: D-zdarzenie jesteś chory; S- zdarzenie, że wynik testu jest dodatni; szukamy D/S. Wstęp do probabilistyki i statystyki. Wykład 2 23
24 Ilustracja twierdzenia ayes a Rozwiązanie przykładu 2.7: D-zdarzenie jesteś chory; S- zdarzenie, że wynik testu jest dodatni; szukamy D/S. rawdopodobieństwo zdarzenia S/D, że wynik testu jest dodatni a pacjent jest zdrowy S/D 1-S /D 0,05 S/D0,99; S /D 0,95; D0,0001 Z twierdzenia ayes a D S S D D S D D + S / D ' D ' 0,99 0,0001 0,99 0, ,05 1 0,0001 D S 0, 002 Nawet jeśli wynik testu jest dodatni to prawdopodobieństwo tego, że jesteś chory jest małe. Dlaczego? Wstęp do probabilistyki i statystyki. Wykład 2 24
Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.
Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń. 3.2. Niezależność zdarzeń Katarzyna Rybarczyk-Krzywdzińska Niezależność dwóch zdarzeń Intuicja Zdarzenia losowe
Bardziej szczegółowoPo co nam statystyka matematyczna? Żeby na podstawie próby wnioskować o całej populacji
ODSTWY STTYSTYKI 1. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. opulacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne 6.
Bardziej szczegółowo51. Wykorzystywanie sumy, iloczynu i różnicy zdarzeń do obliczania prawdopodobieństw zdarzeń.
Matematyka lekcja 5 5. Wykorzystywanie sumy, iloczynu i różnicy zdarzeń do obliczania prawdopodobieństw zdarzeń. I. rzypomnij sobie:. Jak rysujemy drzewo stochastyczne i przy jego pomocy obliczamy prawdopodobieństwo
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. opulacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowo+ r arcsin. M. Przybycień Rachunek prawdopodobieństwa i statystyka π r x
Prawdopodobieństwo geometryczne Przykład: Przestrzeń zdarzeń elementarnych określona jest przez zestaw punktów (x, y) na płaszczyźnie i wypełnia wnętrze kwadratu [0 x 1; 0 y 1]. Znajdź p-stwo, że dowolny
Bardziej szczegółowoBaza dla predykcji medycznej
1 rof. Danuta Makowiec Instytut Fizyki Teoretycznej i Astrofizyki UG Kontakt: pok. 353 tel.: 58 523 2466 e-mail danuta.makowiec at gmail.com http://www.fizdm.strony.ug.edu.pl/me/biostatystyka.html Reguła
Bardziej szczegółowoPrawdopodobieństwo warunkowe Twierdzenie o prawdopodobieństwie całkowitym
Edward Stachowski Prawdopodobieństwo warunkowe Twierdzenie o prawdopodobieństwie całkowitym W podstawie programowej obowiązującej na egzaminie maturalnym od 05r pojawiły się nowe treści programowe Wśród
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STTYSTYK MTMTYCZN 1. Wykład wstępny 2. Teoria prawdopodobieństwa i elementy kombinatoryki 3. Zmienne losowe 4. opulacje i próby danych 5. Testowanie hipotez i estymacja parametrów 6. Test t 7. Test 2 8.
Bardziej szczegółowo10/15/2016. Reguła. Czułość PV(+) Bayesa. Swoistość PV(-)
A=symptom B= choroba Czułość Swoistość A ~ A ~ Reguła Bayesa ~ B ~ A) PV(+) PV(-) 1 / 2016_10_13 PV ( ) A PV ( ) A A ~ ~ sensitivity * PV ( ) sensitivity * (1 specificity)(1- ) specificity *(1- ) specificity
Bardziej szczegółowoP (A B) P (B) = 1/4 1/2 = 1 2. Zakładamy, że wszystkie układy dwójki dzieci: cc, cd, dc, dd są jednakowo prawdopodobne.
Wykład Prawdopodobieństwo warunkowe Dwukrotny rzut symetryczną monetą Ω {OO, OR, RO, RR}. Zdarzenia: Awypadną dwa orły, Bw pierwszym rzucie orzeł. P (A) 1 4, 1. Jeżeli już wykonaliśmy pierwszy rzut i wiemy,
Bardziej szczegółowoWykład 2. Prawdopodobieństwo i elementy kombinatoryki
Wstęp do probabilistyki i statystyki Wykład 2. Prawdopodobieństwo i elementy kombinatoryki dr hab.inż. Katarzyna Zakrzewska, prof.agh Katedra Elektroniki, AGH e-mail: zak@agh.edu.pl http://home.agh.edu.pl/~zak
Bardziej szczegółowoElementy statystyki opisowej, teoria prawdopodobieństwa i kombinatoryka
Wymagania egzaminacyjne: a) oblicza średnią arytmetyczną, średnią ważoną, medianę i odchylenie standardowe danych; interpretuje te parametry dla danych empirycznych, b) zlicza obiekty w prostych sytuacjach
Bardziej szczegółowo1.1 Rachunek prawdopodobieństwa
Spis treści Spis treści 1 Wstęp 1 1.1 Rachunek prawdopodobieństwa.................. 1 1.2 Literatura.............................. 1 1.3 Podstawy.............................. 2 2 Miara prawdopodobieństwa
Bardziej szczegółowoRachunek Prawdopodobieństwa i Statystyka Matematyczna
Rachunek rawdopodobieństwa i Statystyka Matematyczna rowadzący: prof. dr hab. inż. Ireneusz Jóźwiak Zestaw nr. Opracowanie: Grzegorz Drzymała 4996 Grzegorz Dziemidowicz 49965 drian Gawor 49985 Zadanie..
Bardziej szczegółowoZdarzenia losowe i prawdopodobieństwo
Rozdział 1 Zdarzenia losowe i prawdopodobieństwo 1.1 Klasyfikacja zdarzeń Zdarzenie elementarne pojęcie aprioryczne, które nie może być zdefiniowane. Odpowiednik pojęcia punkt w geometrii. Zdarzenie elementarne
Bardziej szczegółowoZakładamy, że są niezależnymi zmiennymi podlegającymi (dowolnemu) rozkładowi o skończonej wartości oczekiwanej i wariancji.
Wnioskowanie_Statystyczne_-_wykład Spis treści 1 Centralne Twierdzenie Graniczne 1.1 Twierdzenie Lindeberga Levy'ego 1.2 Dowód 1.2.1 funkcja tworząca sumy zmiennych niezależnych 1.2.2 pochodna funkcji
Bardziej szczegółowoPrawdopodobieństwo. 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 szczegółowoRachunek prawdopodobieństwa dla informatyków
Rachunek prawdopodobieństwa dla informatyków Adam Roman Instytut Informatyki UJ Wykład 1 rys historyczny zdarzenia i ich prawdopodobieństwa aksjomaty i reguły prawdopodobieństwa prawdopodobieństwo warunkowe
Bardziej szczegółowob) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas:
ROZWIĄZANIA I ODPOWIEDZI Zadanie A1. Można założyć, że przy losowaniu trzech kul jednocześnie kolejność ich wylosowania nie jest istotna. A więc: Ω = 20 3. a) Niech: - wśród trzech wylosowanych opakowań
Bardziej szczegółowoSIMR 2017/18, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania
SIMR 7/8, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania. Dana jest gęstość prawdopodobieństwa zmiennej losowej ciągłej X : { a( x) dla x [, ] f(x) = dla pozostałych x Znaleźć: i) Wartość parametru
Bardziej szczegółowo), którą będziemy uważać za prawdziwą jeżeli okaże się, że hipoteza H 0
Testowanie hipotez Każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy nazywamy hipotezą statystyczną. Hipoteza określająca jedynie wartości nieznanych parametrów liczbowych badanej cechy
Bardziej szczegółowoWykład 3 Hipotezy statystyczne
Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza
Bardziej szczegółowoZdarzenia losowe Zmienne losowe Prawdopodobieństwo Niezależność
Zdarzenia losowe Zmienne losowe Prawdopodobieństwo Niezależność przypomnienie pojęć ĆWICZENIA Piotr Ciskowski zdarzenie losowe ćwiczenie 1. zbiory Stanisz zilustruj następujące pojęcia: o A B o A B o A
Bardziej szczegółowoWymagania egzaminacyjne z matematyki. Klasa 3C. MATeMATyka. Nowa Era. Klasa 3
Wymagania egzaminacyjne z matematyki. lasa 3C. MATeMATyka. Nowa Era. y są ze sobą ściśle powiązane ( + P + R + D + W), stanowiąc ocenę szkolną, i tak: ocenę dopuszczającą (2) otrzymuje uczeń, który spełnił
Bardziej szczegółowoKlasyfikacja metodą Bayesa
Klasyfikacja metodą Bayesa Tadeusz Pankowski www.put.poznan.pl/~tadeusz.pankowski warunkowe i bezwarunkowe 1. Klasyfikacja Bayesowska jest klasyfikacją statystyczną. Pozwala przewidzieć prawdopodobieństwo
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
5 marca 2011 Zasady 10 wyk ladów; egzamin pisemny; Literatura 1 A. Lomnicki Wprowadzenie do statystyki dla przyrodników PWN 1999. 2 W. Krysicki, J. Bartos, W. Dyczka, K. Królikowska, M. Wasilewski Rachunek
Bardziej szczegółowoMoneta 1 Moneta 2 Kostka O, R O,R 1,2,3,4,5, Moneta 1 Moneta 2 Kostka O O ( )
Nowa matura kombinatoryka i rachunek prawdopodobieństwa Zadania zamknięte (0 1 pkt) 1. Doświadczenie losowe polega na rzucie dwiema symetrycznymi monetami i sześcienną kostką do gry. Prawdopodobieństwo
Bardziej szczegółowoĆwiczenia z metodyki nauczania rachunku prawdopodobieństwa
Ćwiczenia z metodyki nauczania rachunku prawdopodobieństwa 25 marca 209 Zadanie. W urnie jest b kul białych i c kul czarnych. Losujemy n kul bez zwracania. Jakie jest prawdopodobieństwo, że pierwsza kula
Bardziej szczegółowoWstęp do probabilistyki i statystyki. Wykład 4. Statystyki i estymacja parametrów
Wstęp do probabilistyki i statystyki Wykład 4. Statystyki i estymacja parametrów dr hab.inż. Katarzyna Zakrzewska, prof.agh, Katedra Elektroniki, WIET AGH Wstęp do probabilistyki i statystyki. Wykład 4
Bardziej szczegółowoESTYMACJA PRZEDZIAŁOWA WYBRANYCH PARAMETRÓW
ESTYMACJA PRZEDZIAŁOWA WYBRANYCH PARAMETRÓW POPULACJI Szkic wykładu Wprowadzenie 1 Wprowadzenie 2 3 4 Przypomnienie dotychczasowych rozważań Przedziałem ufności nazywamy przedział losowy, o którym przypuszczamy
Bardziej szczegółowoZaawansowane metody numeryczne
Wykład 10 Rozkład LU i rozwiązywanie układów równań liniowych Niech będzie dany układ równań liniowych postaci Ax = b Załóżmy, że istnieją macierze L (trójkątna dolna) i U (trójkątna górna), takie że macierz
Bardziej szczegółowoStatystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych
Statystyka matematyczna. Wykład IV. e-mail:e.kozlovski@pollub.pl Spis treści 1 2 3 Definicja 1 Hipoteza statystyczna jest to przypuszczenie dotyczące rozkładu (wielkości parametru lub rodzaju) zmiennej
Bardziej szczegółowoWstęp do rachunku prawdopodobieństwa
wykład : Wstęp do rachunku prawdopodobieństwa STTYSTYK OPISOW Wanda Olech Katedra Genetyki i Ochrony Zwierząt Statystyka zajmuje się Zjawiskami losowymi - które bada przez doświadczenie U podstaw współczesnej
Bardziej szczegółowoP (A B) = P (A), P (B) = P (A), skąd P (A B) = P (A) P (B). P (A)
Wykład 3 Niezależność zdarzeń, schemat Bernoulliego Kiedy dwa zdarzenia są niezależne? Gdy wiedza o tym, czy B zaszło, czy nie, NIE MA WPŁYWU na oszacowanie prawdopodobieństwa zdarzenia A: P (A B) = P
Bardziej szczegółowoStatystyka Inżynierska
Statystyka Inżynierska dr hab. inż. Jacek Tarasiuk AGH, WFiIS 2014 Wykład 1 ODSTAWY RACHUNKU RAWDOODOBIEŃSTWA ojęcie, Własności, rawdopodobieństwo i, Twierdzenie Definicja Zdarzenie (doświadczenie) nazywamy
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA ZADANIA Z ROZWIĄZANIAMI. Uwaga! Dla określenia liczebności zbioru (mocy zbioru) użyto zamiennie symboli: Ω lub
RACHUNEK PRAWDOPODOBIEŃSTWA ZADANIA Z ROZWIĄZANIAMI Uwaga! Dla określenia liczebności zbioru (mocy zbioru) użyto zamiennie symboli: Ω lub 1. W grupie jest 15 kobiet i 18 mężczyzn. Losujemy jedną osobę
Bardziej szczegółowoWykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu
Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotności, p-wartość i moc testu Wrocław, 01.03.2017r Przykład 2.1 Właściciel firmy produkującej telefony komórkowe twierdzi, że wśród jego produktów
Bardziej szczegółowoRachunek prawdopodobieństwa
Rachunek prawdopodobieństwa Sebastian Rymarczyk srymarczyk@afm.edu.pl Tematyka zajęć 1. Elementy kombinatoryki. 2. Definicje prawdopodobieństwa. 3. Własności prawdopodobieństwa. 4. Zmienne losowe, parametry
Bardziej szczegółowoRachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 2
Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 2 Przygotowując wykład korzystam głównie z książki Jakubowski, Sztencel Wstęp do teorii prawdopodobieństwa. Prawdopodobieństwo geometryczne
Bardziej szczegółowoPobieranie prób i rozkład z próby
Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.
Bardziej szczegółowoLista 1. Prawdopodobieństwo klasyczne i geometryczne
Metody statystyczne. Lista 1. 1 Lista 1. Prawdopodobieństwo klasyczne i geometryczne 1. Jakie jest prawdopodobieństwo, że (a) z talii zawierającej 52 karty wybierzemy losowo asa? (b) z talii zawierającej
Bardziej szczegółowoPrawdopodobieństwo
Prawdopodobieństwo http://www.matemaks.pl/ Wstęp do rachunku prawdopodobieństwa http://www.matemaks.pl/wstep-do-rachunku-prawdopodobienstwa.html Rachunek prawdopodobieństwa pomaga obliczyć szansę zaistnienia
Bardziej szczegółowoTeoretyczne podstawy informatyki
Teoretyczne podstawy informatyki Wykład 12a: Prawdopodobieństwo i algorytmy probabilistyczne http://hibiscus.if.uj.edu.pl/~erichter/dydaktyka2010/tpi-2010 Prof. dr hab. Elżbieta Richter-Wąs 1 Teoria prawdopodobieństwa
Bardziej szczegółowoSTATYSTYKA wykład 1. Wanda Olech. Katedra Genetyki i Ogólnej Hodowli Zwierząt
STTYSTYK wykład 1 Wanda Olech Katedra Genetyki i Ogólnej Hodowli Zwierząt Plan wykładów Data WYKŁDY 1.X rachunek prawdopodobieństwa; 8.X zmienna losowa jednowymiarowa, funkcja rozkładu, dystrybuanta 15.X
Bardziej szczegółowo2. 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 szczegółowoKurs ZDAJ MATURĘ Z MATEMATYKI MODUŁ 14 Zadania statystyka, prawdopodobieństwo i kombinatoryka
1 TEST WSTĘPNY 1. (1p) Zestaw danych 3, 5, x, 7, 10, 12 jest uporządkowany niemalejąco. Mediana tego zestawu jest równa 6, więc liczba x jest równa A. 7 B. 6 C. 5 D. 4 2. (2p) Średnia arytmetyczna liczb:
Bardziej szczegółowoPRZYKŁADY ZADAŃ MATURALNYCH Z MATEMATYKI NA POSZCZEGÓLNE STANDARDY DLA WYBRANYCH TREŚCI PROGRAMOWYCH Z POZIOMU PODSTAWOWEGO I ROZSZERZONEGO
PRZYKŁADY ZADAŃ MATURALNYCH Z MATEMATYKI NA POSZCZEGÓLNE STANDARDY DLA WYBRANYCH TREŚCI PROGRAMOWYCH Z POZIOMU PODSTAWOWEGO I ROZSZERZONEGO ZADANIA OPRACOWANE PRZEZ Agnieszkę Sumicką Katarzynę Hejmanowską
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA
Wydział: WiLiŚ, Transport, sem.2 dr Jolanta Dymkowska RACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA Przestrzeń probabilistyczna Modelem matematycznym (tj. teoretycznym, wyidealizowanym,
Bardziej szczegółowoStatystyka podstawowe wzory i definicje
1 Statystyka podstawowe wzory i definicje Średnia arytmetyczna to suma wszystkich liczb (a 1, a 2,, a n) podzielona przez ich ilość (n) Przykład 1 Dany jest zbiór liczb {6, 8, 11, 2, 5, 3}. Oblicz średnią
Bardziej szczegółowo( ) Arkusz I Zadanie 1. Wartość bezwzględna Rozwiąż równanie. Naszkicujmy wykresy funkcji f ( x) = x + 3 oraz g ( x) 2x
Arkusz I Zadanie. Wartość bezwzględna Rozwiąż równanie x + 3 x 4 x 7. Naszkicujmy wykresy funkcji f ( x) x + 3 oraz g ( x) x 4 uwzględniając tylko ich miejsca zerowe i monotoniczność w ten sposób znajdziemy
Bardziej szczegółowoPodstawy 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 szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 1. L. Kowalski, Statystyka, 2005
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 1. Literatura: Marek Cieciura, Janusz Zacharski, Metody probabilistyczne w ujęciu praktycznym, L. Kowalski, Statystyka, 2005 R.Leitner, J.Zacharski, "Zarys matematyki
Bardziej szczegółowoWymagania kl. 3. Zakres podstawowy i rozszerzony
Wymagania kl. 3 Zakres podstawowy i rozszerzony Temat lekcji Zakres treści Osiągnięcia ucznia 1. RACHUNEK PRAWDOPODOBIEŃSTWA 1. Reguła mnożenia reguła mnożenia ilustracja zbioru wyników doświadczenia za
Bardziej szczegółowoRachunek prawdopodobieństwa- wykład 2
Rachunek prawdopodobieństwa- wykład 2 Pojęcie dyskretnej przestrzeni probabilistycznej i określenie prawdopodobieństwa w tej przestrzeni dr Marcin Ziółkowski Instytut Matematyki i Informatyki Uniwersytet
Bardziej szczegółowoSpacery losowe generowanie realizacji procesu losowego
Spacery losowe generowanie realizacji procesu losowego Michał Krzemiński Streszczenie Omówimy metodę generowania trajektorii spacerów losowych (błądzenia losowego), tj. szczególnych procesów Markowa z
Bardziej szczegółowoTestowanie hipotez statystycznych.
Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie
Bardziej szczegółowoWykład 4. Plan: 1. Aproksymacja rozkładu dwumianowego rozkładem normalnym. 2. Rozkłady próbkowe. 3. Centralne twierdzenie graniczne
Wykład 4 Plan: 1. Aproksymacja rozkładu dwumianowego rozkładem normalnym 2. Rozkłady próbkowe 3. Centralne twierdzenie graniczne Przybliżenie rozkładu dwumianowego rozkładem normalnym Niech Y ma rozkład
Bardziej szczegółowoSTATYSTYKA. 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 Wybrane litery alfabetu greckiego α alfa β beta Γ γ gamma δ delta ɛ, ε epsilon η eta Θ θ theta
Bardziej szczegółowoWykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa
Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa Marek Kubiak Instytut Informatyki Politechnika Poznańska Plan wykładu Podstawowe pojęcia rachunku prawdopodobieństwa Rozkład
Bardziej szczegółowoSTATYSTYKA wykład 1. Wanda Olech. Katedra Genetyki i Ogólnej Hodowli Zwierząt
STTYSTYK wykład 1 Wanda Olech Katedra Genetyki i Ogólnej Hodowli Zwierząt Statystyka Pierwotnie oznaczała stan rzeczy (od status) i do XVIII wieku używana dla określenia zbioru wiadomości o państwie Statystyka
Bardziej szczegółowoKRYTERIA OCENIANIA ODPOWIEDZI Próbna Matura z OPERONEM. Matematyka Poziom podstawowy
KRYTERIA OCENIANIA ODPOWIEDZI Matematyka Poziom podstawowy Listopad 0 Zadania zamknięte Za każdą poprawną odpowiedź zdający otrzymuje punkt. Poprawna odpowiedź. B ( ) 9 : 7 = 7 = 7 6 5 5. B log ( log0
Bardziej szczegółowoWażne rozkłady i twierdzenia
Ważne rozkłady i twierdzenia Rozkład dwumianowy i wielomianowy Częstość. Prawo wielkich liczb Rozkład hipergeometryczny Rozkład Poissona Rozkład normalny i rozkład Gaussa Centralne twierdzenie graniczne
Bardziej szczegółowoWstęp. 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 szczegółowo18. Obliczyć. 9. Obliczyć iloczyn macierzy i. 10. Transponować macierz. 11. Transponować macierz. A następnie podać wymiar powstałej macierzy.
1 Czy iloczyn macierzy, które nie są kwadratowe może być macierzą kwadratową? Podaj przykład 2 Czy każde dwie macierze jednostkowe są równe? Podaj przykład 3 Czy mnożenie macierzy przez macierz jednostkową
Bardziej szczegółowoElementy Modelowania Matematycznego
Elementy Modelowania Matematycznego Wykład 8 Programowanie nieliniowe Spis treści Programowanie nieliniowe Zadanie programowania nieliniowego Zadanie programowania nieliniowego jest identyczne jak dla
Bardziej szczegółowoTestowanie hipotez statystycznych
9 października 2008 ...czyli definicje na rozgrzewkę n-elementowa próba losowa - wektor n zmiennych losowych (X 1,..., X n ); intuicyjnie: wynik n eksperymentów realizacja próby (X 1,..., X n ) w ω Ω :
Bardziej szczegółowoCZEŚĆ PIERWSZA. Wymagania na poszczególne oceny,,matematyka wokół nas Klasa III I. POTĘGI
Wymagania na poszczególne oceny,,matematyka wokół nas Klasa III CZEŚĆ PIERWSZA I. POTĘGI Zamienia potęgi o wykładniku całkowitym ujemnym na odpowiednie potęgi o wykładniku naturalnym. Oblicza wartości
Bardziej szczegółowoP r a w d o p o d o b i eństwo Lekcja 1 Temat: Lekcja organizacyjna. Program. Kontrakt.
P r a w d o p o d o b i eństwo Lekcja 1 Temat: Lekcja organizacyjna. Program. Kontrakt. Lekcja 2 Temat: Podstawowe pojęcia związane z prawdopodobieństwem. Str. 10-21 1. Doświadczenie losowe jest to doświadczenie,
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoStatystyka Astronomiczna
Statystyka Astronomiczna czyli zastosowania statystyki w astronomii historycznie astronomowie mieli wkład w rozwój dyscypliny Rachunek prawdopodobieństwa - gałąź matematyki Statystyka - metoda oceny właściwości
Bardziej szczegółowoStatystyka i eksploracja danych
Wykład II: i charakterystyki ich rozkładów 24 lutego 2014 Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa,
Bardziej szczegółowoStatystyka 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 szczegółowoMNRP r. 1 Aksjomatyczna definicja prawdopodobieństwa (wykład) Grzegorz Kowalczyk
MNRP 18.03.2019r. Grzegorz Kowalczyk 1 Aksjomatyczna definicja prawdopodobieństwa (wykład) Definicja (σ - ciało) Niech Ω - dowolny zbiór. Rodzinę F P (Ω), gdzie P (Ω) jest rodziną wszystkich podzbiorów
Bardziej szczegółowoWYMAGANIA Z MATEMATYKI NA POSZCZEGÓLNE OCENY KLASYFIKACYJNE DLA UCZNIÓW KLAS TRZECICH. Sposoby sprawdzania wiedzy i umiejętności uczniów
WYMAGANIA Z MATEMATYKI NA POSZCZEGÓLNE OCENY KLASYFIKACYJNE DLA UCZNIÓW KLAS TRZECICH Sposoby sprawdzania wiedzy i umiejętności uczniów 1. Odpowiedzi ustne. 2. Sprawdziany pisemne. 3. Kartkówki. 4. Testy.
Bardziej szczegółowoEGZAMIN MATURALNY W ROKU SZKOLNYM 2014/2015
EGZAMIN MATURALNY W ROKU SZKOLNYM 0/0 FORMUŁA OD 0 ( NOWA MATURA ) MATEMATYKA POZIOM PODSTAWOWY ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ ARKUSZ MMA-P CZERWIEC 0 Egzamin maturalny z matematyki nowa formuła Klucz
Bardziej szczegółowoWybrane treści z rachunku prawdopodobieństwa w kontekście medycznym. M.Zalewska
Wybrane treści z rachunku prawdopodobieństwa w kontekście medycznym M.Zalewska Podstawowe pojęcia Doświadczenie losowe obserwacja zjawiska, którego przebiegu nie umiemy w pełni przewidzieć. Możemy oceniać
Bardziej szczegółowoWYKŁAD 5 TEORIA ESTYMACJI II
WYKŁAD 5 TEORIA ESTYMACJI II Teoria estymacji (wyznaczanie przedziałów ufności, błąd badania statystycznego, poziom ufności, minimalna liczba pomiarów). PRÓBA Próba powinna być reprezentacyjna tj. jak
Bardziej szczegółowoMETODY BADAŃ NA ZWIERZĘTACH ze STATYSTYKĄ wykład 3-4. Parametry i wybrane rozkłady zmiennych losowych
METODY BADAŃ NA ZWIERZĘTACH ze STATYSTYKĄ wykład - Parametry i wybrane rozkłady zmiennych losowych Parametry zmiennej losowej EX wartość oczekiwana D X wariancja DX odchylenie standardowe inne, np. kwantyle,
Bardziej szczegółowoMATURA Przygotowanie do matury z matematyki
MATURA 01 Przygotowanie do matury z matematyki Część X: Statystyka, kombinatoryka i rachunek prawdopodobieństwa ROZWIĄZANIA Powtórka jest organizowana przez redaktorów portalu MatmaNa6.pl we współpracy
Bardziej szczegółowoKURS PRAWDOPODOBIEŃSTWO
KURS PRAWDOPODOBIEŃSTWO Lekcja 3 Definicja prawdopodobieństwa Kołmogorowa. Prawdopodobieństwa warunkowe i niezależne. ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowiedź (tylko
Bardziej szczegółowoWYKŁADY 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 szczegółowoPlan wynikowy. Klasa III Technik pojazdów samochodowych/ Technik urządzeń i systemów energetyki odnawialnej. Kształcenie ogólne w zakresie podstawowym
Oznaczenia: wymagania konieczne, P wymagania podstawowe, R wymagania rozszerzające, D wymagania dopełniające, W wymagania wykraczające. Plan wynikowy lasa III Technik pojazdów samochodowych/ Technik urządzeń
Bardziej szczegółowoTechnikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu
Technikum Nr 2 im. gen. Mieczysława Smorawińskiego w Zespole Szkół Ekonomicznych w Kaliszu Wymagania edukacyjne niezbędne do uzyskania poszczególnych śródrocznych i rocznych ocen klasyfikacyjnych z obowiązkowych
Bardziej szczegółowoPrezydent wszystkich kombinacji czyli rzecz o filtrowaniu systemów Lotto
Prezydent wszystkich kombinacji czyli rzecz o filtrowaniu systemów Lotto Czy zastanawiałeś się kiedyś nad tym, że prawdopodobieństwo wylosowania dwóch liczb w lotto o określonej sumie nie jest jednakowe?
Bardziej szczegółowoPodstawy 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 szczegółowoRzucamy 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 szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Bardziej szczegółowoZagadnienia: wprowadzenie podstawowe pojęcia. Doświadczalnictwo. Anna Rajfura
Zagadnienia: wprowadzenie podstawowe pojęcia Doświadczalnictwo 1 Termin doświadczalnictwo Doświadczalnictwo planowanie doświadczeń oraz analiza danych doświadczalnych z użyciem metod statystycznych. Doświadczalnictwo
Bardziej szczegółowoLiczby pierwsze na straży tajemnic
Liczby pierwsze na straży tajemnic Barbara Roszkowska-Lech MATEMATYKA DLA CIEKAWYCH ŚWIATA Liczby rzadzą światem Ile włosów na głowie? Dowód z wiedzą zerową Reszty kwadratowe Dzielenie sekretu Ile włosów
Bardziej szczegółowoTestowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25
Testowanie hipotez Marcin Zajenkowski Marcin Zajenkowski () Testowanie hipotez 1 / 25 Testowanie hipotez Aby porównać ze sobą dwie statystyki z próby stosuje się testy istotności. Mówią one o tym czy uzyskane
Bardziej szczegółowo0 + 0 = 0, = 1, = 1, = 0.
5 Kody liniowe Jak już wiemy, w celu przesłania zakodowanego tekstu dzielimy go na bloki i do każdego z bloków dodajemy tak zwane bity sprawdzające. Bity te są w ścisłej zależności z bitami informacyjnymi,
Bardziej szczegółowo2. Permutacje definicja permutacji definicja liczba permutacji zbioru n-elementowego
Wymagania dla kl. 3 Zakres podstawowy Temat lekcji Zakres treści Osiągnięcia ucznia 1. RACHUNEK PRAWDOPODOBIEŃSTWA 1. Reguła mnożenia reguła mnożenia ilustracja zbioru wyników doświadczenia za pomocą drzewa
Bardziej szczegółowoVII WYKŁAD STATYSTYKA. 30/04/2014 B8 sala 0.10B Godz. 15:15
VII WYKŁAD STATYSTYKA 30/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 7 (c.d) WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności,
Bardziej szczegółowoDODATKOWA PULA ZADAŃ DO EGZAMINU. Rozważmy ciąg zdefiniowany tak: s 0 = a. s n+1 = 2s n +b (dla n=0,1,2 ) Pokaż, że s n = 2 n a +(2 n =1)b
DODATKOWA PULA ZADAŃ DO EGZAMINU Rozważmy ciąg zdefiniowany tak: s 0 = a s n+1 = 2s n +b (dla n=0,1,2 ) Pokaż, że s n = 2 n a +(2 n =1)b Udowodnij, że liczba postaci 5 n+1 +2 3 n +1 jest podzielna przez
Bardziej szczegółowoPOZIOMY WYMAGAŃ EDUKACYJNYCH: K ocena dopuszczająca (2) P ocena dostateczna (3) R ocena dobra (4) D ocena bardzo dobra (5) W ocena celująca (6)
YMAGANIA EDUACYJNE MATEMATYA LASA 3LO ZARES ROZSZERZONY OZIOMY YMAGAŃ EDUACYJNYCH: ocena dopuszczająca (2) ocena dostateczna (3) R ocena dobra (4) D ocena bardzo dobra (5) ocena celująca (6) Temat lekcji
Bardziej szczegółowodr hab. Dariusz Piwczyński, prof. nadzw. UTP
dr hab. Dariusz Piwczyński, prof. nadzw. UTP Cechy jakościowe są to cechy, których jednoznaczne i oczywiste scharakteryzowanie za pomocą liczb jest niemożliwe lub bardzo utrudnione. nominalna porządek
Bardziej szczegółowoW takim modelu prawdopodobieństwo konfiguracji OR wynosi. 0, 21 lub , 79. 6
Rachunek prawdopodobieństwa MAP5 Wydział Elektroniki, rok akad. /, sem. letni Wykładowca: dr hab. A. Jurlewicz Przykłady do listy : Przestrzeń probabilistyczna. Prawdopodobieństwo klasyczne. Prawdopodobieństwo
Bardziej szczegółowoPlanimetria 1 12 godz.
Planimetria godz. Funkcje trygonometryczne kąta ostrego definicje funkcji trygonometrycznych kąta ostrego wartości funkcji trygonometrycznych kątów 30º, 45º, 60º Trygonometria zastosowania Rozwiązywanie
Bardziej szczegółowoPlan wynikowy klasa 3. Zakres podstawowy
Plan wynikowy klasa 3 Zakres podstawowy Oznaczenia: wymagania konieczne; P wymagania podstawowe; R wymagania rozszerzające; D wymagania dopełniające; W wymagania wykraczające. RACHUNE PRAWDOPODOBIEŃSTWA
Bardziej szczegółowoProbabilistyczne podstawy statystyki matematycznej. Dr inż. Małgorzata Michalcewicz-Kaniowska
Probabilistyczne podstawy statystyki matematycznej Dr inż. Małgorzata Michalcewicz-Kaniowska 1 Zdarzenia losowe, algebra zdarzeń Do podstawowych pojęć w rachunku prawdopodobieństwa zaliczamy: doświadczenie
Bardziej szczegółowo