Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne
|
|
- Seweryn Kozak
- 6 lat temu
- Przeglądów:
Transkrypt
1 Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne 5.3 Rozkłady warunkowe i warunkowa wartość oczekiwana Katarzyna Rybarczyk-Krzywdzińska semestr zimowy 2015/2016
2 Prawdopodobieństwo wyraża postawę umysłu wobec zdań, których prawdziwości nie jesteśmy pewni
3 Prawdopodobieństwo wyraża postawę umysłu wobec zdań, których prawdziwości nie jesteśmy pewni Zmiana wiedzy powoduje zmianę prawdopodobieństwa
4 Prawdopodobieństwo wyraża postawę umysłu wobec zdań, których prawdziwości nie jesteśmy pewni Zmiana wiedzy powoduje zmianę prawdopodobieństwa Zmiana prawdopodobieństwa powoduje zmianę wartości oczekiwanej
5 Prawdopodobieństwo wyraża postawę umysłu wobec zdań, których prawdziwości nie jesteśmy pewni Zmiana wiedzy powoduje zmianę prawdopodobieństwa Zmiana prawdopodobieństwa powoduje zmianę wartości oczekiwanej Jeśli znam wartość zmiennej losowej X (X = x), to zamiast rozkładu zmiennej Y lepiej używać rozkładu warunkowego zmiennej Y pod warunkiem X = x. Jeśli znam wartość zmiennej losowej X, to zamiast wartości oczekiwanej EY lepiej używać warunkowej wartości oczekiwanej E(Y X )
6 Wprowadzenie Przykład 1 Bolek, Lolek i Tola wstąpili do kasyna. Bolek postawił na czerwone, a Tola postawiła na pierwsze 12; X A wygrana Bolka. X C wygrana Toli. Rozkład łączny wygranych: X A X C
7 Rozkłady dyskretne - wprowadzenie Przypomnienie 1 Prawdopodobieństwem warunkowym zdarzenia A pod warunkiem zajścia zdarzenia B nazywamy liczbę P(A B) = P(A B). P(B) Przypomnienie 2 {X A = 1}, {X A = 1}, {X C = 2}, {X C = 1} są zdarzeniami. X A wygrana Bolka. X C wygrana Toli. X C 1 2 X A Przykład Jak zmieni się rozkład zmiennej X C gdy wiemy, że zaszło zdarzenie {X A = 1}/{X A = 1}?
8 Rozkłady dyskretne - wprowadzenie Przypomnienie 1 Prawdopodobieństwem warunkowym zdarzenia A pod warunkiem zajścia zdarzenia B nazywamy liczbę P(A B) = P(A B). P(B) Przypomnienie 2 {X A = 1}, {X A = 1}, {X C = 2}, {X C = 1} są zdarzeniami. X A wygrana Bolka. X C wygrana Toli. X A X C Przykład Ile będzie wtedy wynosić wartość oczekiwana zmiennej X C pod warunkiem, że {X A = 1}/{X A = 1}?
9 Rozkłady dyskretne - wprowadzenie Przypomnienie 1 Prawdopodobieństwem warunkowym zdarzenia A pod warunkiem zajścia zdarzenia B nazywamy liczbę P(A B) = P(A B). P(B) Przypomnienie 2 {X A = 1}, {X A = 1}, {X C = 2}, {X C = 1} są zdarzeniami. X A wygrana Bolka. X C wygrana Toli. X A X C Przykład Czy ta wartość oczekiwana jest zmienną losową na przestrzeni {Ω, 2 Ω, P}? Czy jest funkcją zmiennej losowej X A?
10 Definicje Rozkład warunkowy - zmienne dyskretne Jeśli (X, Y ) jest dyskretnym wektorem losowym skupionym na zbiorze S, to rozkładem warunkowym zmiennej losowej X pod warunkiem Y = y nazywamy rozkład prawdopodobieństwa dany wzorem P(X = x i Y = y) = P(X = x i, Y = y) P(Y = y) dla (x i, y) S.
11 Warunkowa wartość oczekiwana - zmienne dyskretne Definicja Jeśli (X, Y ) jest dyskretnym wektorem losowym skupionym na zbiorze S, warunkową wartością oczekiwaną zmiennej losowej X pod warunkiem Y = y nazywamy wartości E(X Y = y) = (x i,y) S x i P(X = x i Y = y).
12 Warunkowa wartość oczekiwana - zmienne dyskretne Definicja Jeśli (X, Y ) jest dyskretnym wektorem losowym skupionym na zbiorze S, warunkową wartością oczekiwaną zmiennej losowej X pod warunkiem Y = y nazywamy wartości Definicja E(X Y = y) = (x i,y) S x i P(X = x i Y = y). Dla dyskretnego wektora (X, Y ), w którym zmienna losowa Y jest skupiona na zbiorze S Y, warunkowa wartość oczekiwana E(X Y ) zmiennej losowej X względem zmiennej losowej Y to zmienna losowa, która przyjmuje wartości E(X Y = y) gdy Y = y dla każdego y S Y. Oznaczmy h(y) = E(X Y = y), wtedy E(X Y ) = h(y ) jest zmienną losową, funkcją zmiennej losowej Y.
13 Wzór na prawdopodobieństwo całkowite, przypomnienie Jeśli (B i ) jest przeliczalnym rozbiciem Ω na zdarzenia o dodatnich prawdopodobieństwach, wówczas dla dowolnego zdarzenia A P(A) = i P(A B i ) P(B i )
14 Wzór na prawdopodobieństwo całkowite, przypomnienie Jeśli (B i ) jest przeliczalnym rozbiciem Ω na zdarzenia o dodatnich prawdopodobieństwach, wówczas dla dowolnego zdarzenia A P(A) = i P(A B i ) P(B i ) Przykład 3 Owad składa X jajeczek zgodnie z rozkładem Po(λ); Potomek wylęga się z jajka (niezależnie od innych jajek) z prawdopodobieństwem p; Przez Y oznaczamy liczbę potomków; jaki rozkład ma Y?
15 wzór Bayesa Jeśli (B i ) jest przeliczalnym rozbiciem Ω na zdarzenia o dodatnim prawdopodobieństwie oraz P(A) > 0, to P(B j A) = P(A B j) P(B j ) P(A) = P(A B j) P(B j ) i P(A B i) P(B i )
16 wzór Bayesa Jeśli (B i ) jest przeliczalnym rozbiciem Ω na zdarzenia o dodatnim prawdopodobieństwie oraz P(A) > 0, to P(B j A) = P(A B j) P(B j ) P(A) = P(A B j) P(B j ) i P(A B i) P(B i ) Przykład 4 (nie omówiony na wykładzie) Owad składa X jajeczek zgodnie z rozkładem Po(λ); Potomek wylęga się z jajka (niezależnie od innych jajek) z prawdopodobieństwem p; Jaki jest rozkład warunkowy P(X = m Y = k) =?
17 wzór Bayesa Jeśli (B i ) jest przeliczalnym rozbiciem Ω na zdarzenia o dodatnim prawdopodobieństwie oraz P(A) > 0, to P(B j A) = P(A B j) P(B j ) P(A) = P(A B j) P(B j ) i P(A B i) P(B i ) Przykład 4 (nie omówiony na wykładzie) Owad składa X jajeczek zgodnie z rozkładem Po(λ); Potomek wylęga się z jajka (niezależnie od innych jajek) z prawdopodobieństwem p; Jaki jest rozkład warunkowy P(X = m Y = k) =? P(X = m Y = k) = P(Y = k X = m) P(X = m) P(Y = k)
18 Rozkłady warunkowe ciągłe Rozkłady ciągłe - wprowadzenie Dla zmiennej losowej ciągłej zapis: P(X = x i Y = y) = P(X = x i, Y = y) P(Y = y) nie ma sensu (bo P(Y = y) = 0 dla każdego y R). Spójrzmy więc na obrazowy przykład
19 Rozkłady warunkowe ciągłe Rozkłady ciągłe - wprowadzenie Przykład 5 Punkt (X, Y ) wybrano w sposób jednostajny z trójkąta o wierzchołkach (0, 0), (0, 1), (1, 1) wtedy: { 2 dla 0 x y 1; f (x, y) = 0 dla pozostałych x, y { 2y dla 0 y 1; f Y (y) = 0 dla pozostałych y Jeśli Y = y, jaką ma gęstość X? f X Y (x y) =...
20 Rozkłady warunkowe ciągłe Rozkłady ciągłe - wprowadzenie Przykład 5 Punkt (X, Y ) wybrano w sposób jednostajny z trójkąta o wierzchołkach (0, 0), (0, 1), (1, 1) wtedy: { 2 dla 0 x y 1; f (x, y) = 0 dla pozostałych x, y { 2y dla 0 y 1; f Y (y) = 0 dla pozostałych y Jeśli Y = y, jaką ma gęstość X? f X Y (x y) =... Ile wynosi wtedy wartość oczekiwana E(X Y = y)?
21 Rozkłady warunkowe ciągłe Rozkłady ciągłe - wprowadzenie Przykład 5 Punkt (X, Y ) wybrano w sposób jednostajny z trójkąta o wierzchołkach (0, 0), (0, 1), (1, 1) wtedy: { 2 dla 0 x y 1; f (x, y) = 0 dla pozostałych x, y { 2y dla 0 y 1; f Y (y) = 0 dla pozostałych y Jeśli Y = y, jaką ma gęstość X? f X Y (x y) =... Ile wynosi wtedy wartość oczekiwana E(X Y = y)? Jak można opisać zmienną E(X Y )?
22 Rozkłady warunkowe ciągłe Gęstość rozkładu warunkowego Powyższy przykład jest bardzo obrazowy, ale jak można wyznaczyć f X Y (x y), E(X Y = y), E(X Y ) w ogólnym przypadku? Definicja Niech (X, Y ) będzie wektorem losowym o rozkładzie ciągłym z gęstością łączną f (x, y) oraz rozkładem brzegowym zmiennej Y z gęstością f Y (y). Gęstością rozkładu warunkowego zmiennej losowej X pod warunkiem Y = y nazywamy funkcję określoną dla x R wzorem f (X Y ) (x y) = f (x, y) f Y (y), o ile f Y (y) > 0.
23 Rozkłady warunkowe ciągłe Warunkowa wartość oczekiwana - zmienne ciągłe Definicja Jeśli (X, Y ) jest wektorem o rozkładzie ciągłym, warunkową wartością oczekiwaną zmiennej losowej X pod warunkiem Y = y nazywamy wartość E(X Y = y) = x f (X Y ) (x y) dx.
24 Rozkłady warunkowe ciągłe Warunkowa wartość oczekiwana - zmienne ciągłe Definicja Jeśli (X, Y ) jest wektorem o rozkładzie ciągłym, warunkową wartością oczekiwaną zmiennej losowej X pod warunkiem Y = y nazywamy wartość Definicja E(X Y = y) = x f (X Y ) (x y) dx. Dla wektora (X, Y ) o rozkładzie ciągłym warunkowa wartość oczekiwana E(X Y ) zmiennej losowej X względem zmiennej losowej Y to zmienna losowa, która przyjmuje wartości E(X Y = y) gdy Y = y. Oznaczmy funkcję h(y) = E(X Y = y). Wtedy E(X Y ) = h(y ) jest funkcją zmiennej losowej Y.
25 Rozkłady warunkowe ciągłe Przykład 6 Punkt (X, Y ) wybrano w sposób jednostajny z trójkąta o wierzchołkach (0, 0), (0, 1), (1, 1) wtedy: { { 2 dla 0 x y 1; 2y dla 0 y 1; f (x, y) = f Y (y) = 0 w.p.p. 0 w.p.p Intuicyjne rozwiązanie dało nam dla ustalonego 0 y 1: f X Y (x y) = { 1 y dla 1 x y; 0 dla pozostałych x; E(X Y = y) = y 2, czyli E(X Y ) = Y 2. Sprawdź te wyniki korzystając z definicji gęstości rozkładu warunkowego i warunkowej wartości oczekiwanej.
26 Rozkłady warunkowe ciągłe prawdopodobieństwo całkowite, ciąg dalszy Przykład 7 Z odcinka [0, 1] losujemy (z rozkładem jednostajnym) punkt U; Następnie z odcinka [0, U] losujemy punkt V ; Jaki rozkład ma zmienna losowa V?
27 Rozkłady warunkowe ciągłe prawdopodobieństwo całkowite, ciąg dalszy Przykład 7 Z odcinka [0, 1] losujemy (z rozkładem jednostajnym) punkt U; Następnie z odcinka [0, U] losujemy punkt V ; Jaki rozkład ma zmienna losowa V? f (U,V ) (u, v) = f V U (v u) f U (u)
28 Rozkłady warunkowe ciągłe prawdopodobieństwo całkowite, ciąg dalszy Przykład 7 Z odcinka [0, 1] losujemy (z rozkładem jednostajnym) punkt U; Następnie z odcinka [0, U] losujemy punkt V ; Jaki rozkład ma zmienna losowa V? f V (v) = f (U,V ) (u, v) = f V U (v u) f U (u) f (U,V ) (u, v) du = f V U (v u) f U (u) du
29 Rozkłady warunkowe ciągłe prawdopodobieństwo całkowite, ciąg dalszy Przykład 7 Z odcinka [0, 1] losujemy (z rozkładem jednostajnym) punkt U; Następnie z odcinka [0, U] losujemy punkt V ; Jaki rozkład ma zmienna losowa V? f V (v) = f (U,V ) (u, v) = f V U (v u) f U (u) f (U,V ) (u, v) du = f V U (v u) f U (u) du Wzór na prawdopodobieństwo całkowite, przypomnienie (B i ) przeliczalne rozbicie Ω na zd. o dod. pr.: P(A) = i P(A B i ) P(B i )
30 Rozkłady warunkowe ciągłe Przykład 8 (nie omówiony na wykładzie) Rzucamy monetą. Gdy wypadnie orzeł, losujemy punkt z odcinka [0, 1]; Gdy wypadnie reszka, losujemy punkt z odcinka [0, 2]; Jakie jest prawdopodobieństwo, [ że wylosowany punkt należy do odcinka 1 2 2], 3
31 Warunkowa wartość oczekiwana - cd. Warunkowa wartość oczekiwana - podsumowanie Wartość oczekiwana - przypomnienie Y rozkład dyskretny: EY = y y P(Y = y); Y ciągły: EY = R y f Y (y) dy Warunkowa wartość oczekiwana zmiennej Y pod warunkiem X = x (X, Y ) dyskretny: E(Y X = x) = y y P(Y = y X = x). (X, Y ) ciągły: E(Y X = x) = y f Y X (y x) dy R
32 Warunkowa wartość oczekiwana - cd. Warunkowa wartość oczekiwana jako zmienna losowa - podsumowanie Jak można patrzeć na warunkową wartość oczekiwaną? E(Y X = x) to funkcja parametru x,
33 Warunkowa wartość oczekiwana - cd. Warunkowa wartość oczekiwana jako zmienna losowa - podsumowanie Jak można patrzeć na warunkową wartość oczekiwaną? E(Y X = x) to funkcja parametru x, Przypomnienie gdzie h(x) = E(Y X = x) E(Y X ) = h(x ),
34 Warunkowa wartość oczekiwana - cd. Warunkowa wartość oczekiwana jako zmienna losowa - podsumowanie Jak można patrzeć na warunkową wartość oczekiwaną? E(Y X = x) to funkcja parametru x, Przypomnienie gdzie h(x) = E(Y X = x) E(Y X ) jest zmienną losową E(Y X ) = h(x ), Ω ω E ( Y X = X (ω) ),
35 Warunkowa wartość oczekiwana - cd. Warunkowa wartość oczekiwana jako zmienna losowa - podsumowanie Jak można patrzeć na warunkową wartość oczekiwaną? E(Y X = x) to funkcja parametru x, Przypomnienie gdzie h(x) = E(Y X = x) E(Y X ) jest zmienną losową E(Y X ) = h(x ), Ω ω E ( Y X = X (ω) ), zmienna losowa E(Y X ) jest funkcją zmiennej losowej X : E(Y X ) = h(x )
36 Warunkowa wartość oczekiwana - cd. Własności warunkowej wartości oczekiwanej Przykład 9 Owad składa X jajeczek zgodnie z rozkładem Po(λ); Potomek wylęga się z jajka (niezależnie od innych jajek) z prawdopodobieństwem p. Ile wynosi: E(Y X ), E(E(Y X )), EY? Już wiemy: Y ma rozkład Poissona Po(pλ). Y pod warunkiem X = n ma rozkład dwumianowy Bin(n, p). Wartość oczekiwana zmiennej o rozkładzie Po(β) to β Wartość oczekiwana zmiennej o rozkładzie Bin(n, p) to np.
37 Warunkowa wartość oczekiwana - cd. Własności warunkowej wartości oczekiwanej Przykład 9 Owad składa X jajeczek zgodnie z rozkładem Po(λ); Potomek wylęga się z jajka (niezależnie od innych jajek) z prawdopodobieństwem p. Ile wynosi: E(Y X ), E(E(Y X )), EY? Twierdzenie Niech (X, Y ) będzie wektorem losowym i niech EY istnieje; wtedy E ( E(Y X ) ) = EY Dowód dla zmiennej losowej ciągłej
38 Warunkowa wartość oczekiwana - cd. Dobre wieści: warunkowa wartość oczekiwana często istnieje Twierdzenie Jeśli EY istnieje, to E(Y X = x) też istnieje (zazwyczaj). Chcemy udowodnić, że Z(x) := E( Y X = x) < dla wielu wartości x wiemy, że zatem Z(X ) = E( Y X ); EZ(X ) = E [ E( Y X ) ] = E Y < ; P(Z(X ) = ) = 0 czyli: prawdopodobieństwo tego, że X przybierze taką wartość x, że E(Y X = x) nie będzie zdefiniowane, wynosi zero
39 Warunkowa wartość oczekiwana - cd. Warunkowa wartość oczekiwana ma takie własności, jak zwykła wartość oczekiwana Twierdzenie Niech (X, Y, Z) będzie wektorem losowym. Załóżmy, że wartości oczekiwane EX i EY istnieją. Wówczas 1 jeśli X 0 to E(X Z) 0; 2 E(X Z) E ( X Z ) ; 3 dla a, b R warunkowa wartość oczekiwana E(aX + by Z) istnieje i E ( (ax + by ) Z ) = ae(x Z) + be(y Z) 4 dla dowolnego zdarzenia A zachodzi E(1 A Z = z) = P(A Z = z)
40 Warunkowa wartość oczekiwana - cd. Inne ważne własności Twierdzenie Niech (X, Y ) będzie wektorem losowym i niech EY istnieje; Wtedy jeśli X i Y są niezależne, wówczas E(Y X ) = EY jeśli h(x ) jest ograniczoną zmienną losową, to E ( h(x )Y X ) = h(x ) E(Y X )
41 Uwagi końcowe Rozkłady warunkowe bardziej ogólnie Mamy ustaloną przestrzeń (Ω, M, P) Szczypta teorii miary itp. Niech F M będzie σ ciałem a X zmienną losową całkowalną. Warunkową wartością oczekiwaną X pod warunkiem F nazywamy zmienną losową E(X F) spełniającą warunki: E(X F) jest F mierzalna; dla każdego A F A X dp = E(X F) dp. A
42 Uwagi końcowe Rozkłady warunkowe bardziej ogólnie Mamy ustaloną przestrzeń (Ω, M, P) i zmienną losową Y określoną na tej przestrzeni. Szczypta teorii miary itp. Prawdopodobieństwem warunkowym zdarzenia A M pod warunkiem Y = y nazywa się wielkość: P (A Y = y) = E( I A Y = y). Zaintrygowanych tymi nietuzinkowymi definicjami odsyłamy do obszernych rozdziałów w:
Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne
Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne 5.2. Momenty rozkładów łącznych. Katarzyna Rybarczyk-Krzywdzińska rozkładów wielowymiarowych Przypomnienie Jeśli X jest zmienną losową o rozkładzie
Bardziej szczegółowoRachunek Prawdopodobieństwa Rozdział 5. Rozkłady łączne
Rachunek Prawdopodobieństwa Rozdział 5. Rozkłady łączne 5.0 Definicje Katarzyna Rybarczyk-Krzywdzińska Wprowadzenie Przykład 1 Bolek, Lolek i Tola wstąpili do kasyna. (A) Bolek postawił na czerwone, (B)
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 4. Zmienne losowe
Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe 4.4. Momenty zmiennych losowych Katarzyna Rybarczyk-Krzywdzińska Wprowadzenie Przykład 1 Rzucamy raz kostką Ile wynosi średnia liczba oczek, jaka
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 4. Zmienne losowe
Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe 4.0. Rozkłady zmiennych losowych, dystrybuanta. Katarzyna Rybarczyk-Krzywdzińska semestr zimowy 2016/2017 Wprowadzenie Przykład 1 Bolek, Lolek i Tola
Bardziej szczegółowoĆwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu.
Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu. A Teoria Definicja A.1. Niech (Ω, F, P) będzie przestrzenią probabilistyczną. Zmienną losową określoną na przestrzeni Ω nazywamy dowolną
Bardziej szczegółowoWstęp do rachunku prawdopodobieństwa
Wstęp do rachunku prawdopodobieństwa Rozdział 06: Zmienne losowe. Katarzyna Rybarczyk-Krzywdzińska semestr zimowy 2015/2016 Wprowadzenie Przykład 6.1 Adam, Bolek i Czesiu wstąpili do kasyna. Postanowili
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 4. Zmienne losowe
Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe 4.1. Zmienne losowe dyskretne. Katarzyna Rybarczyk-Krzywdzińska Definicja/Rozkład Zmienne losowe dyskretne Definicja Zmienną losową, która skupiona
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 4. Zmienne losowe
Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe 4.0. Rozkłady zmiennych losowych, dystrybuanta. Katarzyna Rybarczyk-Krzywdzińska Wprowadzenie Rozważmy eksperymenty 1 gra Bolka w ruletkę w kasynie;
Bardziej szczegółowoWykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.
Rachunek prawdopodobieństwa MAT1332 Wydział Matematyki, Matematyka Stosowana Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów. Warunkowa
Bardziej szczegółowoRachunek 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 szczegółowoPrawdopodobieństwo i statystyka
Wykład II: Zmienne losowe i charakterystyki ich rozkładów 13 października 2014 Zmienne losowe Wartość oczekiwana Dystrybuanty Słowniczek teorii prawdopodobieństwa, cz. II Definicja zmiennej losowej i jej
Bardziej szczegółowoWykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe.
Rachunek prawdopodobieństwa MAP3040 WPPT FT, rok akad. 2010/11, sem. zimowy Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 7: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Warunkowa wartość oczekiwana.
Bardziej szczegółowoRozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład
Rozdział 1 Wektory losowe 1.1 Wektor losowy i jego rozkład Definicja 1 Wektor X = (X 1,..., X n ), którego każda współrzędna jest zmienną losową, nazywamy n-wymiarowym wektorem losowym (krótko wektorem
Bardziej szczegółowoModelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski
Modelowanie zależności pomiędzy zmiennymi losowymi Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski P Zmienne losowe niezależne - przypomnienie Dwie rzeczywiste zmienne losowe X i Y
Bardziej szczegółowoWYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty
WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 4 / 9 Przekształcenia zmiennej losowej X
Bardziej szczegółowoMetody probabilistyczne
Metody probabilistyczne. Twierdzenia graniczne Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 20.2.208 / 26 Motywacja Rzucamy wielokrotnie uczciwą monetą i zliczamy
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa
Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa 2.0. Wstęp Katarzyna Rybarczyk-Krzywdzińska Wstęp Dlaczego prawdopodobieństwo klasyczne nie wystarcza? Jak opisać grę w ruletkę,
Bardziej szczegółowoWykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.
Rachunek prawdopodobieństwa MAP1181 Wydział PPT, MS, rok akad. 213/14, sem. zimowy Wykładowca: dr hab. Agnieszka Jurlewicz Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.
Bardziej szczegółowoRozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej
Rozdział 1 Zmienne losowe, ich rozkłady i charakterystyki 1.1 Definicja zmiennej losowej Zbiór możliwych wyników eksperymentu będziemy nazywać przestrzenią zdarzeń elementarnych i oznaczać Ω, natomiast
Bardziej szczegółowoPrzykład 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 szczegółowoSzkice do zajęć z Przedmiotu Wyrównawczego
Szkice do zajęć z Przedmiotu Wyrównawczego Matematyka Finansowa sem. letni 2011/2012 Spis treści Zajęcia 1 3 1.1 Przestrzeń probabilistyczna................................. 3 1.2 Prawdopodobieństwo warunkowe..............................
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład VII: Rozkład i jego charakterystyki 22 listopada 2016 Uprzednio wprowadzone pojęcia i ich własności Definicja zmiennej losowej Zmienna losowa na przestrzeni probabilistycznej (Ω, F, P) to funkcja
Bardziej szczegółowoWYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa
WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa Agata Boratyńska Agata Boratyńska Rachunek prawdopodobieństwa, wykład 2 i 3 1 / 19 Zmienna losowa Definicja Dana jest przestrzeń probabilistyczna
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład 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 szczegółowoRachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa
Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa 2.1. σ ciało (algebra) zdarzeń Katarzyna Rybarczyk-Krzywdzińska losowe Zdarzenie losowe to pewien podzbiór przestrzeni zdarzeń
Bardziej szczegółowoPEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA
PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA 1. Trójkę (Ω, F, P ), gdzie Ω, F jest σ-ciałem podzbiorów Ω, a P jest prawdopodobieństwem określonym na F, nazywamy przestrzenią probabilistyczną. 2. Rodzinę F
Bardziej szczegółowoRachunek prawdopodobieństwa - Teoria - Przypomnienie.. A i B są niezależne, gdy P(A B) = P(A)P(B). P(A B i )P(B i )
Rachunek prawdopodobieństwa - Teoria - Przypomnienie Podstawy Definicja 1. Schemat klasyczny - wszystkie zdarzenia elementarne są równo prawdopodobne, licząc prawdopodobieństwo liczymy stosunek liczby
Bardziej szczegółowoZmienne losowe i ich rozkłady
Zmienne losowe i ich rozkłady 29 kwietnia 2019 Definicja: Zmienną losową nazywamy mierzalną funkcję X : (Ω, F, P) (R n, B(R n )). Definicja: Niech A będzie zbiorem borelowskim. Rozkładem zmiennej losowej
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 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 szczegółowoRozkłady prawdopodobieństwa zmiennych losowych
Rozkłady prawdopodobieństwa zmiennych losowych Rozkład dwumianowy Rozkład normalny Marta Zalewska Zmienna losowa dyskretna (skokowa) jest to zmienna, której zbór wartości jest skończony lub przeliczalny.
Bardziej szczegółowoZmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014
Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014 Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe
Bardziej szczegółowoWykład 11: Martyngały: definicja, twierdzenia o zbieżności
RAP 412 14.01.2009 Wykład 11: Martyngały: definicja, twierdzenia o zbieżności Wykładowca: Andrzej Ruciński Pisarz:Mirosława Jańczak 1 Wstęp Do tej pory zajmowaliśmy się ciągami zmiennych losowych (X n
Bardziej szczegółowoWykład 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 szczegółowoWYKŁAD 2. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady
WYKŁAD 2 Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady Metody statystyczne metody opisu metody wnioskowania statystycznego syntetyczny liczbowy opis właściwości zbioru danych ocena
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.
Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń. 3.1 Prawdopodobieństwo warunkowe Katarzyna Rybarczyk-Krzywdzińska semestr zimowy 2016/2017 Przykład 1 Alicja
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 szczegółowo4,5. Dyskretne zmienne losowe (17.03; 31.03)
4,5. Dyskretne zmienne losowe (17.03; 31.03) Definicja 1 Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x 1, x 2,..., można ustawić w ciag. Zmienna losowa X, która przyjmuje wszystkie
Bardziej szczegółowoLiteratura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.
Literatura Krysicki W., Bartos J., Dyczka W., Królikowska K, Wasilewski M., Rachunek Prawdopodobieństwa i Statystyka Matematyczna w Zadaniach, cz. I. Leitner R., Zacharski J., Zarys matematyki wyŝszej
Bardziej szczegółowoZmienna losowa. Rozkład skokowy
Temat: Zmienna losowa. Rozkład skokowy Kody kolorów: żółty nowe pojęcie pomarańczowy uwaga * - materiał nadobowiązkowy Anna Rajfura, Matematyka i statystyka matematyczna na kierunku Rolnictwo SGGW 1 Zagadnienia
Bardziej szczegółowoPrzestrzeń probabilistyczna
Przestrzeń probabilistyczna (Ω, Σ, P) Ω pewien niepusty zbiór Σ rodzina podzbiorów tego zbioru P funkcja określona na Σ, zwana prawdopodobieństwem. Przestrzeń probabilistyczna (Ω, Σ, P) Ω pewien niepusty
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3.
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3. ZMIENNA LOSOWA JEDNOWYMIAROWA. Zmienną losową X nazywamy funkcję (praktycznie każdą) przyporządkowującą zdarzeniom elementarnym liczby rzeczywiste. X : Ω R (dokładniej:
Bardziej szczegółowoWykład 2 Zmienne losowe i ich rozkłady
Wykład 2 Zmienne losowe i ich rozkłady Magdalena Frąszczak Wrocław, 11.10.2017r Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe Doświadczenie
Bardziej szczegółowoZestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) =
Zestaw : Zmienne losowe. Które z poniższych funkcji są dystrybuantami? Odpowiedź uzasadnij. Wskazówka: naszkicuj wykres. 0, x 0,, x 0, F (x) = x, F (x) = x, 0 x
Bardziej szczegółowoWartość oczekiwana Mediana i dominanta Wariancja Nierówności związane z momentami. Momenty zmiennych losowych Momenty wektorów losowych
Przykład(Wartość średnia) Otrzymaliśmy propozycję udziału w grze polegającej na jednokrotnym rzucie symetryczną kostką. Jeśli wypadnie 1 wygrywamy2zł,;jeśliwypadnie2,płacimy1zł;za3wygrywamy 4zł;za4płacimy5zł;za5wygrywamy3złiwreszcieza6
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 1. Wstęp
Rachunek prawdopodobieństwa Rozdział 1. Wstęp 1.1. Prawdopodobieństwo klasyczne Katarzyna Rybarczyk-Krzywdzińska Definicja Zadaliśmy pytanie. Bolek, Lolek i Tola wstąpili do kasyna. Dla każdego z nich
Bardziej szczegółowoRachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.
Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń. 3.1 Prawdopodobieństwo warunkowe Katarzyna Rybarczyk-Krzywdzińska Przykład 1 Alicja wylosowała jedną kartę z
Bardziej szczegółowoWYKŁAD 3. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki
WYKŁAD 3 Witold Bednorz, Paweł Wolff 1 Instytut Matematyki Uniwersytet Warszawski Rachunek Prawdopodobieństwa, WNE, 2010-2011 Schemmat Bernouliego Rzucamy 10 razy moneta, próba Bernouliego jest pojedynczy
Bardziej szczegółowoTemat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły. Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga. Anna Rajfura, Matematyka
Temat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga 1 Zagadnienia 1. Przypomnienie wybranych pojęć rachunku prawdopodobieństwa. Zmienna losowa. Rozkład
Bardziej szczegółowoNiech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX = 4 i EY = 6. Rozważamy zmienną losową Z =.
Prawdopodobieństwo i statystyka 3..00 r. Zadanie Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX 4 i EY 6. Rozważamy zmienną losową Z. X + Y Wtedy (A) EZ 0,
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład VIII: Przestrzenie statystyczne. Estymatory 1 grudnia 2014 Wprowadzenie Przykład: pomiar z błędem Współczynnik korelacji r(x, Z) = 0, 986 Wprowadzenie Przykład: pomiar z błędem Współczynnik korelacji
Bardziej szczegółowoIII. ZMIENNE LOSOWE JEDNOWYMIAROWE
III. ZMIENNE LOSOWE JEDNOWYMIAROWE.. Zmienna losowa i pojęcie rozkładu prawdopodobieństwa W dotychczas rozpatrywanych przykładach każdemu zdarzeniu była przyporządkowana odpowiednia wartość liczbowa. Ta
Bardziej szczegółowo1.1 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 szczegółowoRozkłady prawdopodobieństwa
Tytuł Spis treści Wersje dokumentu Instytut Matematyki Politechniki Łódzkiej 10 grudnia 2011 Spis treści Tytuł Spis treści Wersje dokumentu 1 Wartość oczekiwana Wariancja i odchylenie standardowe Rozkład
Bardziej szczegółowoElementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa
Spis treści Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa Romuald Kotowski Katedra Informatyki Stosowanej PJWSTK 2009 Spis treści Spis treści 1 Wstęp Bardzo często interesujący
Bardziej szczegółowoBiostatystyka, # 3 /Weterynaria I/
Biostatystyka, # 3 /Weterynaria I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, p. 221 bud. CIW, e-mail: zdzislaw.otachel@up.lublin.pl
Bardziej szczegółowoZmienne losowe. dr Mariusz Grządziel Wykład 12; 20 maja 2014
Zmienne losowe dr Mariusz Grządziel Wykład 2; 20 maja 204 Definicja. Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór jej wartości x, x 2,..., można ustawić w ciag. Zmienna losowa X, która przyjmuje
Bardziej szczegółowoMetody probabilistyczne
Metody probabilistyczne 6. Momenty zmiennych losowych Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 8.11.2018 1 / 47 Funkcje zmiennych losowych Mierzalna funkcja Y
Bardziej szczegółowoPRAWDOPODOBIEŃSTWO. ZMIENNA LOSOWA. TYPY ROZKŁADÓW
PRAWDOPODOBIEŃSTWO. ZMIENNA LOSOWA. TYPY ROZKŁADÓW Rachunek prawdopodobieństwa (probabilitis - prawdopodobny) zajmuje się badaniami pewnych prawidłowości (regularności) zachodzących przy wykonywaniu doświadczeń
Bardziej szczegółowoAlgorytmy stochastyczne, wykład 08 Sieci bayesowskie
Algorytmy stochastyczne, wykład 08 Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2014-04-10 Prawdopodobieństwo Prawdopodobieństwo Prawdopodobieństwo warunkowe Zmienne
Bardziej szczegółowo12DRAP - parametry rozkładów wielowymiarowych
DRAP - parametry rozkładów wielowymiarowych Definicja.. Jeśli h : R R, a X, Y ) jest wektorem losowym o gęstości fx, y) to EhX, Y ) = hx, y)fx, y)dxdy. Jeśli natomiast X, Y ) ma rozkład dyskretny skupiony
Bardziej szczegółowoMetody probabilistyczne opracowane notatki 1. Zdefiniuj zmienną losową, rozkład prawdopodobieństwa. Przy jakich założeniach funkcje: F(x) = sin(x),
Metody probabilistyczne opracowane notatki 1. Zdefiniuj zmienną losową, rozkład prawdopodobieństwa. Przy jakich założeniach funkcje: Fx sinx, Fx a e x mogą być dystrybuantami?. Podaj twierdzenie Lindeberga
Bardziej 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 szczegółowoĆwiczenia 1. Klasyczna definicja prawdopodobieństwa, prawdopodobieństwo geometryczne, własności prawdopodobieństwa, wzór włączeń i wyłączeń
Agata Boratyńska Ćwiczenia z rachunku prawdopodobieństwa 1 Ćwiczenia 1. Klasyczna definicja prawdopodobieństwa, prawdopodobieństwo geometryczne, własności prawdopodobieństwa, wzór włączeń i wyłączeń UWAGA:
Bardziej szczegółowoWykład 3 Momenty zmiennych losowych.
Wykład 3 Momenty zmiennych losowych. Wrocław, 19 października 2016r Momenty zmiennych losowych Wartość oczekiwana - przypomnienie Definicja 3.1: 1 Niech X będzie daną zmienną losową. Jeżeli X jest zmienną
Bardziej szczegółowoWykład 3 Momenty zmiennych losowych.
Wykład 3 Momenty zmiennych losowych. Wrocław, 18 października 2017r Momenty zmiennych losowych Wartość oczekiwana - przypomnienie Definicja 3.1: 1 Niech X będzie daną zmienną losową. Jeżeli X jest zmienną
Bardziej szczegółowoFunkcje charakterystyczne zmiennych losowych, linie regresji 1-go i 2-go rodzaju
Funkcje charakterystyczne zmiennych losowych, linie regresji -go i 2-go rodzaju Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoLista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie
Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Jarosław Kotowicz Instytut Matematyki Uniwersytet w
Bardziej 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 szczegółowoPrawdopodobieństwo 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 szczegółowoElementy rachunku prawdopodobieństwa (M. Skośkiewicz, A. Siejka, K. Walczak, A. Szpakowska)
Elementy rachunku prawdopodobieństwa (M. Skośkiewicz, A. Siejka, K. Walczak, A. Szpakowska) Twierdzenie (o mnożeniu) Podstawowe pojęcia i wzory kombinatoryczne. Niech,, będą zbiorami mającymi odpowiednio,,
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 szczegółowoLaboratorium nr 7. Zmienne losowe typu skokowego.
Laboratorium nr 7. Zmienne losowe typu skokowego.. Zmienna losowa X ma rozkład dany tabelką: - 0 3 0, 0,3 0, 0,3 0, Naszkicować dystrybuantę zmiennej X. Obliczyć EX oraz VarX.. Zmienna losowa ma rozkład
Bardziej szczegółowoZmienne losowe. dr Mariusz Grzadziel. rok akademicki 2016/2017 semestr letni. Katedra Matematyki, Uniwersytet Przyrodniczy we Wrocławiu
Zmienne losowe dr Mariusz Grzadziel Katedra Matematyki, Uniwersytet Przyrodniczy we Wrocławiu rok akademicki 2016/2017 semestr letni Definicja 1 Zmienna losowa nazywamy dyskretna (skokowa), jeśli zbiór
Bardziej szczegółowoRozkłady i ich dystrybuanty 16 marca F X (t) = P (X < t) 0, gdy t 0, F X (t) = 1, gdy t > c, 0, gdy t x 1, 1, gdy t > x 2,
Wykład 4. Rozkłady i ich dystrybuanty 6 marca 2007 Jak opisać cały rozkład jedną funkcją? Aby znać rozkład zmiennej X, musimy umieć obliczyć P (a < X < b) dla dowolnych a < b. W tym celu wystarczy znać
Bardziej 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 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 szczegółowoW2 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 szczegółowoII 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 szczegółowoSTATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA
STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA Zadanie 0.1 Zmienna losowa X ma rozkład określony funkcją prawdopodobieństwa: x k 0 4 p k 1/3 1/6 1/ obliczyć EX, D X. (odp. 4/3;
Bardziej szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Ćwiczenia lista zadań nr 2 autorzy: A. Gonczarek, J.M. Tomczak Metody estymacji Zad. 1 Pojawianie się spamu opisane jest zmienną losową x o rozkładzie dwupunktowym
Bardziej szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Ćwiczenia lista zadań nr 2 autorzy: A. Gonczarek, J.M. Tomczak Metody estymacji ML Zad. 1 Pojawianie się spamu opisane jest zmienną losową x o rozkładzie dwupunktowym
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład XIII: Prognoza. 26 stycznia 2015 Wykład XIII: Prognoza. Prognoza (predykcja) Przypuśćmy, że mamy dany ciąg liczb x 1, x 2,..., x n, stanowiących wyniki pomiaru pewnej zmiennej w czasie wielkości
Bardziej szczegółowo1 Warunkowe wartości oczekiwane
Warunkowe wartości oczekiwane W tej serii zadań rozwiążemy różne zadania związane z problemem warunkowania.. (Eg 48/) Załóżmy, że X, X, X 3, X 4 są niezależnymi zmiennymi losowymi o jednakowym rozkładzie
Bardziej szczegółowoĆwiczenia 1. Klasyczna definicja prawdopodobieństwa, prawdopodobieństwo geometryczne, własności prawdopodobieństwa, wzór włączeń i wyłączeń
Agata Boratyńska Ćwiczenia z rachunku prawdopodobieństwa 1 Ćwiczenia 1. Klasyczna definicja prawdopodobieństwa, prawdopodobieństwo geometryczne, własności prawdopodobieństwa, wzór włączeń i wyłączeń UWAGA:
Bardziej szczegółowo1 Elementy kombinatoryki i teorii prawdopodobieństwa
1 Elementy kombinatoryki i teorii prawdopodobieństwa 1.1 Elementy kombinatoryki W rozwiązywaniu pewnych problemów związanych z obliczaniem prawdopodobieństwa o skończonej liczbie zdażeń elementarnych bardzo
Bardziej szczegółowoL.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 szczegółowoWYKŁAD 1. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Instytut Matematyki Uniwersytet Warszawski
WYKŁAD 1 Witold Bednorz, Paweł Wolff Instytut Matematyki Uniwersytet Warszawski Rachunek Prawdopodobieństwa, WNE, 2010-2011 Wprowadzenie Gry hazardowe Wprowadzenie Gry hazardowe Klasyczna definicja prawdopodobieństwa.
Bardziej szczegółowoWstęp 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 szczegółowoPODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek
PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Piotr Wiącek ROZKŁAD PRAWDOPODOBIEŃSTWA Jest to miara probabilistyczna określona na σ-ciele podzbiorów borelowskich pewnej przestrzeni metrycznej. σ-ciało podzbiorów
Bardziej szczegółowoSTYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1
1 STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1 Klasyczny Rachunek Prawdopodobieństwa. 1. Pojȩcia wstȩpne. Doświadczeniem losowym nazywamy doświadczenie, którego wynik nie jest znany. Posiadamy
Bardziej szczegółowoJednowymiarowa zmienna losowa
1 Jednowymiarowa zmienna losowa Przykład Doświadczenie losowe - rzut kostką do gry. Obserwujemy ilość wyrzuconych oczek. Teoretyczny model eksperymentu losowego - przestrzeń probabilistyczna (Ω, S, P ),
Bardziej szczegółowoWykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe
Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe Nierówność Czebyszewa Niech X będzie zmienną losową o skończonej wariancji V ar(x). Wtedy wartość oczekiwana E(X) też jest skończona i
Bardziej szczegółowoWykład 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 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 szczegółowoRachunek prawdopodobieństwa Rozdział 6: Twierdzenia graniczne.
Rachunek prawdopodobieństwa Rozdział 6: Twierdzenia graniczne. 6.2. Centralne Twierdzenie Graniczne Katarzyna Rybarczyk-Krzywdzińska semestr zimowy 2015/2016 Słabe prawo wielkich liczb przypomnienie Słabe
Bardziej szczegółowoWykład 11: Martyngały: Twierdzenie o zbieżności i Hoeffdinga
RAP 412 21.01.2009 Wykład 11: Martyngały: Twierdzenie o zbieżności i Hoeffdinga Wykładowca: Andrzej Ruciński Pisarz: Łukasz Waszak 1 Wstęp Na ostatnim wykładzie przedstawiliśmy twierdzenie o zbieżności
Bardziej szczegółowoZmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015
Zmienne losowe, statystyki próbkowe Wrocław, 2 marca 2015 Zasady zaliczenia 2 kolokwia (każde po 20 punktów) projekt (20 punktów) aktywność Zasady zaliczenia 2 kolokwia (każde po 20 punktów) projekt (20
Bardziej szczegółowoZadania o numerze 4 z zestawów licencjat 2014.
Zadania o numerze 4 z zestawów licencjat 2014. W nawiasie przy zadaniu jego występowanie w numerze zestawu Spis treści (Z1, Z22, Z43) Definicja granicy ciągu. Obliczyć granicę:... 3 Definicja granicy ciągu...
Bardziej szczegółowo1 Zmienne losowe wielowymiarowe.
1 Zmienne losowe wielowymiarowe. 1.1 Definicja i przykłady. Definicja1.1. Wektorem losowym n-wymiarowym(zmienna losowa n-wymiarowa )nazywamywektorn-wymiarowy,któregoskładowymisązmiennelosowex i dlai=1,,...,n,
Bardziej szczegółowo