Biostatystyka, # 2 /Weterynaria I/

Wielkość: px
Rozpocząć pokaz od strony:

Download "Biostatystyka, # 2 /Weterynaria I/"

Transkrypt

1 Biostatystyka, # 2 /Weterynaria I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Akademicka 15, p.211a bud. Agro II, materiały: zotachel/wet konsultacje: wtorek , środa Lublin, 2017

2 Elementy rachunku prawdopodobieństwa

3 Rys historyczny Rachunek prawdopodobieństwa jest działem matematyki zajmującym się badaniem praw rządzących zjawiskami losowymi (przypadkowymi) i tworzeniem modeli matematycznych nadających się do opisu takich zjawisk. Pierwsze problemy rachunku prawdopodobieństwa dotyczyły gier hazardowych m.in. gry w kości, znanej od starożytności. Matematyczne zainteresowanie tą grą po raz pierwszy wykazali matematycy francuscy B. Pascal i P. Fermat w połowie XVII w. W XVIII i XIX w. zaczęto stosować rachunek prawdopodobieństwa w zagadnieniach demograficznych i ubezpieczeniowych, a szwajcarski matematyk J. Bernoulli dowiódł tzw. prawa wielkich liczb zwanego dzisiaj jego nazwiskiem. Twierdzenie to otworzyło możliwość zastosowania rachunku prawdopodobieństwa do statystyki. Inne ważne osiągnięcia pochodzą od francuskich probabilistów A. Moivre a, P. Laplace a, S. Poissona, natomiast niemiecki matematyk K. Gauss opracował teorię przypadkowych błędów obserwacji.

4 W drugiej połowie XIX w. rosyjski matematyk P.L. Czebyszew dowodzi następnego prawa wielkich liczb (prawa Czebyszewa) i tworzy petersburską szkołę rachunku prawdopodobieństwa. W 1827 r. angielski botanik R. Brown zauważył, że drobiny nierozpuszczalne w cieczy poruszają się w sposób chaotyczny (ruchy Browna). Wyjaśnienie tego faktu zostało podane dużo później na gruncie rachunku prawdopodobieństwa (A. Einstein i M. Smoluchowski, 1905 r.) Mimo intensywnego rozwoju rachunek prawdopodobieństwa stał się teorią matematyczną dopiero w 1933 r., kiedy to rosyjski matematyk A.N. Kołmogorow sformułował aksjomatyczną definicję prawdopodobieństwa.

5 Wprowadzenie Rachunek prawdopodobieństwa zajmuje się badaniem zjawisk przypadkowych. W praktyce każdy proces czy doświadczenie jest losowe, bo zależy od wielu przyczyn, z których tylko część udaje się kontrolować. Dwa doświadczenia uznamy za identyczne, jeśli mają te same zbiory kontrolowanych przyczyn. Wyniki doświadczeń nazywamy zdarzeniami. Zjawiska polegające na przeprowadzaniu lub przebieganiu dużej liczby tych samych doświadczeń nazywamy zjawiskami masowymi. Takie zjawisko nie zależy od indywidualnych własności obiektu. Zjawiska masowe mają swoje prawidłowości. Jeżeli przeprowadzamy N razy to samo doświadczenie i n razy zaszło zdarzenie A, to stosunek n/n nazywamy częstością zdarzenia A w tym doświadczeniu. W zjawiskach masowych częstości zdarzeń mają własność skupiania się (wraz ze wzrostem N) wokół tej samej liczby zależnej od zdarzenia. Dla ustalonego zdarzenia A oznaczymy ją przez P(A) i nazwiemy prawdopodobieństwem tego zdarzenia. Jest to treść tzw. statystycznej definicji prawdopodobieństwa

6 W tabeli podane są częstości otrzymania orła w przeprowadzonej jeden raz serii rzutów monetą. Liczba rzutów N Liczba n pojawień się orła Częstość n/n , , , , , , ,4982

7 Widać, że n/n 1/2, gdy N nieograniczenie rośnie. Na początku XVIII w. Bernoulli udowodnił, że przy dużej liczbie doświadczeń, z praktyczną pewnością, częstość względna zdarzenia n/n różni się mało od prawdopodobieństwa tego zdarzenia.

8 Pojęcia podstawowe Doświadczenie losowe proces przyrodniczy lub zaplanowany eksperyment, którego wyniku nie można przewidzieć, natomiast znany jest zbiór wszystkich wyników. Przykład 1 Doświadczeniem losowym jest wylosowanie obiektu z ustalonej populacji i dokonanie pomiaru interesującej nas 1 cechy, 2 cech, 3 cech itd. W praktyce, wynikami eksperymentów losowych będą więc liczby, pary liczb, trójki liczb rzeczywistych itd. Zdarzenie elementarne pojedyńczy wynik eksperymentu losowego. Przestrzeń zdarzeń elementarnych zbiór wszystkich zdarzeń elementarnych. Zdarzenie losowe (w skrócie: zdarzenie) zbiór złożony ze zdarzeń elementarnych, najczęściej opisany przez spełnienie pewnych warunków. Uwaga: nie każdy podzbiór przestrzeni zdarzeń elementarnych musi być zdarzeniem losowym.

9 Oznaczenia i nomenklatura D doświadczenie losowe (eksperyment); Ω - przestrzeń zdarzeń elementarnych; ω - zdarzenie elementarne; Ω = {ω 1, ω 2..., ω n } przestrzeń zdarzeń elementarnych składająca się z n możliwych wyników : ω 1, ω 2..., ω n ; A, B, C,... - zdarzenia losowe; zapis ω A (mat.: ω jest elementem zbioru A) czytamy: zdarzenie elementarne ω sprzyja zdarzeniu A, tzn. jeżeli w wyniku eksperymentu losowego dostaniemy wynik ω, to powiemy zaszło zdarzenie A.

10 Klasa zdarzeń losowych Klasę zdarzeń losowych oznaczymy przez S. Ω S, zdarzenie pewne, zachodzi zawsze; S, zdarzenie niemożliwe, nigdy nie zachodzi; jeżeli A i S, to C = A 1 A 2 S, zdarzenie C nazywamy sumą (alternatywą) zdarzeń A i, C zachodzi, gdy zachodzi co najmniej jedno ze zdarzeń A i ; jeżeli A i S, to D = A A 2 S, zdarzenie D nazywamy iloczynem (koniunkcją) zdarzeń A i, D zachodzi, gdy zachodzi każde ze zdarzenie A i ; jeżeli A S, to A := Ω \ A S, zdarzenie A nazywamy zdarzeniem przeciwnym do zdarzenia A, A zachodzi, gdy nie zachodzi zdarzenie A; w szczególności: jeżeli A, B S, to E = A \ B S, zdarzenie E nazywamy różnicą zdarzeń A i B, E zachodzi, gdy zachodzi zdarzenie A i nie zachodzi zdarzenie B. Klasę S nazywamy σ-ciałem zdarzeń.

11 Klasyczna definicja prawdopodobieństwa Definicja 1 (Pierre Simon de Laplace, 1812) Jeżeli przestrzeń zdarzeń elementarnych jest zbiorem skończonym, złożonym z N zdarzeń elementarnych, to P(A) = n N, n jest ilością zdarzeń elementarnych sprzyjających zdarzeniu A.

12 Przykład 2 1. Prawdopodobieństwo wyrzucenia orła przy jednokrotnym rzucie monetą: 1/2; 2. Prawdopodobieństwo wyrzucenia co najmniej 3 oczek przy jednokrotnym rzucie sześcienną kostką do gry: 4/6; 3. Prawdopodobieństwo wylosowania figury z talii 52 kart do gry: 16/ Prawdopodobieństwo głównej wygranej w totka : 1/( 49 6) = 1/

13 Geometryczna definicja prawdopodobieństwa Definicja 2 Dla liczby naturalnej p przez R p oznaczymy zbiór wszystkich p-elementowych ciągów (x 1, x 2,..., x p ), gdzie x i to liczby rzeczywiste. Niech A Ω R p. Prawdopodobieństwo tego, że dowolny punkt należący do Ω będzie należał również do A wynosi: m p (A) m p (Ω), gdzie m p jest miarą na przestrzeni R p, w szczególności m 1 jest miarą długości na prostej, m 2 - polem figury płaskiej, a m 3 - objętością bryły w przestrzeni.

14 Przykład 3 Na ulicy znajdują się 2 bankomaty. Każdy z nich wymaga obsługi (jest niesprawny) przez 30min na dobę. Moment rozpoczęcia obsługi jest losowy. Jakie jest prawdopodobieństwo, że urządzenia będą niesprawne w tej samej chwili (- konflikt)? x - moment rozpoczęcia obsługi 1-go bankomatu, y - moment rozpoczęcia obsługi 2-go bankomatu, Ω = {0 x, y 24}, m 2 (Ω) = 24 2, A - konflikt, A = {(x, y) : 0 x, y 24, x y 0, 5}, m 2 (A) = , 5 2. Stąd m ( 2 2(A) m 2 (Ω) = ) 4, 12%.

15 Aksjomatyczna definicja prawdopodobieństwa Definicja 3 (Andrej Nikołajewicz Kołmogorow, 1933) Niech będzie dana przestrzeń zdarzeń elementarnych Ω i σ-ciało zdarzeń losowych S. Prawdopodobieństwem (miarą/rozkładem prawdopodobieństwa) nazywamy rzeczywistą funkcję P określona na klasie zdarzeń S spełniającą aksjomaty: Aksjomat I 0 P(A), A S Aksjomat II P(Ω) = 1, Aksjomat III P(A 1 A 2... ) = P(A 1 ) + P(A 2 ) +... dla dowolnych zdarzeń A i wykluczających się parami, tj. A i S, A i A j =, i j. Trójkę (Ω, S, P) nazywamy przestrzenią probabilistyczną. Definicja aksjomatyczna określa jak zbudować matematyczny model prawdopodobieństwa dla zdarzeń w rozpatrywanym doświadczeniu, analiza statystyczna - który z dopuszczalnych modeli wybrać.

16 Własności prawdopodobieństwa Niech (Ω, S, P) będzie przestrzenią probabilistyczną i A, B, C S. 0 P(A) 1; P( ) = 0, P(A ) = 1 P(A); Jeżeli A pociąga B (A B), to P(A) P(B) oraz P(B \ A) = P(B) P(A); P(A B) = P(A) + P(B) P(A B), P(A B C) = P(A) + P(B) + P(C) P(A B) P(B C) P(A C) + P(A B B C). Zauważmy, że jeżeli utożsamimy przestrzeń zdarzeń elementarnych Ω z figurą na płaszczyźnie o polu 1, to prawdopodobieństwo ma analogiczne własności jak pole figur będących częścią tej przestrzeni.

17 Informacja a prawdopodobieństwo Informacja o zajściu zdarzenia B ma wpływ na wartość obliczanego prawdopodobieństwa zdarzenia A. Przykład 4 D polega na jednokrotnym rzucie sześcienną kostką do gry. Zdarzenie A to parzysta liczba oczek, P(A) = 1/2 wg. klasycznej definicji. Przypuśćmy, że eksperymentator wykonał doświadczenie D w zamkniętym pokoju, po czym przekazał nam informację B wypadło więcej niż 3 oczka. Jest to nowy eksperymet losowy. Oznaczymy go D B zajście zdarzenia A w tym eksperymencie oznaczymy A/B. Zdarzeniu A/B sprzyja 2 spośród 3 możliwych wyników, stąd P(A/B) = 2/3. Z drugiej strony: P(B) = 1/2, P(A B) = 2/6, stąd P(A/B) = 2/3 = 2/6 1/2 = P(A B) P(B).

18 Prawdopodobieństwo warunkowe Definicja 4 Niech (Ω, S, P) będzie przestrzenią probabilistyczną związaną z eksperymentem D, B S, P(B) > 0. Prawdopodobieństwo zdarzeń w eksperymencie D B, zwane prawdopodobieństwem warunkowym, określa wzór: P(A/B) = P(A B), A S. P(B) Zdarzenie B będzie nazywane warunkiem.

19 Zdarzenia niezależne Jeżeli zajście jakiegoś zdarzenia nie zmienia prawdopodobieństwa zajścia innego, to o takich zdarzeniach mówi się, że są to zdarzenia niezależne. Zdarzenia A i B z poprzedniego przykładu takie nie są. Bardziej ściśle: Definicja 5 Zdarzenia A i B są niezależne, jeżeli P(A B) = P(A) P(B). Jeżeli A i B są niezależne, to przy założeniu P(A) 0 i P(B) 0 otrzymujemy: P(A/B) = P(A), P(B/A) = P(B).

20 Prawdopodobieństwo całkowite - przykład O pewnej populacji Π złożonej z osobników żeńskich (F ) i męskich (M) w proporcji k/m wiadomo, że cechę D wykazuje p% osobników żeńskich i q% osobników męskich. Jakie jest prawdopodobieństwo, że wybierając losowo osobnika z tej populacji trafimy na tego z cechą D? Ω = Π. Zakładamy, że zdarzenia F i M są przeciwne, tzn. F M = Ω, F M =. Na podstawie danych informacji: P(F ) = k k + m, P(M) = m k + m, P(D/F ) = p 100, P(D/M) = q 100. Mamy: D = D F D M. Skoro P(D) jest udziałem podzbioru D w populacji Π, to P(D) = 100 p k k + m q m k + m = P(D/F ) P(F )+P(D/M) P(M).

21 Wzór na prawdopodobieństwo całkowite Bardziej ogólnie: Niech H 1, H 2,..., H n będzie układem zdarzeń wykluczających się parami, których suma jest zdarzeniem pewnym tj.: H i H j =, i j, H 1 H 2 H n = Ω. Wtedy dla dowolnego zdarzenia A: P(A) = P(A/H 1 ) P(H 1 ) + + P(A/H n ) P(H n ).

22 Wzór Bayesa Załóżmy, że zdarzenie A może zaistnieć wtedy i tylko wtedy, gdy zaistnieje jedno z jedynie możliwych i wzajemnie wykluczających się zdarzeń H 1, H 2,..., H n tj.: H i H j =, i j, H 1 H 2 H n = Ω. Nazwijmy zdarzenie A skutkiem, a zdarzenia H 1, H 2,..., H n przyczynami. W wyniku zaistnienia jednej z przyczyn zaobserwowaliśmy zajście skutku A. Znając a priori prawdopodobieństwa zaistnienia przyczyn - P(H i ) i prawdopodobieństwa zaistnienia skutku A w wyniku działania przyczyny H i - P(A/H i ) chcemy znać odpowiedź na pytanie: jakie jest prawdopodobieństwo, że to przyczyna H i doprowadziła do skutku A. Odpowiedź daje wzór Bayesa: P(H i /A) = P(A/H i ) P(H i ) P(A/H 1 ) P(H 1 ) + + P(A/H n ) P(H n ).

23 Schemat Bernoulliego Mówimy, że ciąg (seria) niezależnych doświadczeń jest schematem Bernoulliego, jeżeli: każde doświadczenie (zwane próbą) może zakończyć się jednym z wyników: zdarzeniem A zwanym sukcesem, lub zdarzeniem przeciwnym A porażką, prawdopodobieństwo sukcesu w pojedynczym doświadczeniu jest stałe i równe p. Wtedy prawdopodobieństwo, że schemacie n prób Bernoulliego sukces pojawi się dokładnie k razy, określa wzór: P n,k = ( n k)p k (1 p) n k, k = 0, 1, 2,..., n, gdzie: ( n k ) = n! k!(n k)! jest symbolem Newtona, a n! = 1 2 n (n!: czytamy n silnia) przy czym 0! = 1.

24 Przykład schematu Bernoulliego Schematem Bernoulliego jest obserwacja płci kolejnego szczeniaka w miocie. Zakładając, że prawdopodobieństwo urodzenia szczeniaka rodzaju męskiego przez sukę wynosi p=1/2, możemy wyznaczyć np. prawdopodobieństwo, że w miocie n = 6 szczeniąt będzie k = 4 pieski: ( 6 4)(1/2) 4 (1/2) 2 = = %.

Matematyka z el. statystyki, # 2 /Geodezja i kartografia II/

Matematyka z el. statystyki, # 2 /Geodezja i kartografia II/ Matematyka z el. statystyki, # 2 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Akademicka 15, p.211a bud. Agro II, e-mail: zdzislaw.otachel@up.lublin.pl

Bardziej szczegółowo

Probabilistyczne podstawy statystyki matematycznej. Dr inż. Małgorzata Michalcewicz-Kaniowska

Probabilistyczne 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

Rachunek prawdopodobieństwa

Rachunek 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 szczegółowo

Biostatystyka, # 3 /Weterynaria I/

Biostatystyka, # 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 szczegółowo

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

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

Bardziej szczegółowo

Podstawy nauk przyrodniczych Matematyka

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

Bardziej szczegółowo

Zdarzenia losowe i prawdopodobieństwo

Zdarzenia 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 szczegółowo

Statystyka Astronomiczna

Statystyka Astronomiczna Statystyka Astronomiczna czyli zastosowania statystyki w astronomii historycznie astronomowie mieli wkład w rozwój dyscypliny Rachunek prawdopodobieństwa - gałąź matematyki Statystyka - metoda oceny właściwości

Bardziej szczegółowo

Podstawy metod probabilistycznych. dr Adam Kiersztyn

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

Bardziej szczegółowo

Metody probabilistyczne

Metody probabilistyczne Metody probabilistyczne 1. Prawdopodobieństwo klasyczne Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 03.10.2017 1 / 19 Rys historyczny Francja, XVII w.: gry hazardowe

Bardziej szczegółowo

Metody probabilistyczne

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

Bardziej szczegółowo

Statystyka matematyczna

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

Bardziej szczegółowo

Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa

Rachunek 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 szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 1. L. Kowalski, Statystyka, 2005

RACHUNEK 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 szczegółowo

Matematyczne Podstawy Kognitywistyki

Matematyczne Podstawy Kognitywistyki Matematyczne Podstawy Kognitywistyki Dorota Leszczyńska-Jasion Kombinatoryka, ci agi liczbowe, skończone przestrzenie probabilistyczne Przykłady zagadnień kombinatorycznych Rozważmy układ n miast o bardzo

Bardziej szczegółowo

Statystyka matematyczna

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Prawdopodobieństwo

Prawdopodobieństwo 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 szczegółowo

Rachunku prawdopodobieństwa: rys historyczny, aksjomatyka, prawdopodobieństwo warunkowe,

Rachunku prawdopodobieństwa: rys historyczny, aksjomatyka, prawdopodobieństwo warunkowe, Rachunku prawdopodobieństwa: rys historyczny, aksjomatyka, prawdopodobieństwo warunkowe, niezależność zdarzeń dr Mariusz Grzadziel Katedra Matematyki, Uniwersytet Przyrodniczy we Wrocławiu Semestr letni

Bardziej szczegółowo

Wstęp. Kurs w skrócie

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

Bardziej szczegółowo

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

WYKŁAD 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 szczegółowo

Statystyka matematyczna

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Prawdopodobieństwo geometryczne

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

Bardziej szczegółowo

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

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

Bardziej szczegółowo

Prawdopodobieństwo. jest ilościową miarą niepewności

Prawdopodobieństwo. jest ilościową miarą niepewności Prawdopodobieństwo jest ilościową miarą niepewności Eksperyment - zdarzenie elementarne Eksperymentem nazywamy proces, który prowadzi do jednego z możliwych wyników. Nazywamy je wynikami obserwacji, zdarzeniami

Bardziej szczegółowo

Statystyka matematyczna

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

Bardziej szczegółowo

Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego

Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego Statystyka Wydział Zarządzania Uniwersytetu Łódzkiego 2017 Rachunek Prawdopodobieństwa Brian Wynne podał następującą typologię zagrożeń znanych i niewiadomych: 1. ryzyko to wiadome nam przyszłe zagrożenia,

Bardziej szczegółowo

Rachunek Prawdopodobieństwa Anna Janicka

Rachunek Prawdopodobieństwa Anna Janicka Rachunek Prawdopodobieństwa Anna Janicka wykład I, 2.10.2018 PODSTAWY RACHUNKU PRAWDOPODOBIEŃSTWA Kwestie techniczne Kontakt: ajanicka@wne.uw.edu.pl Dyżur: wtorki, godz. 9:15 s. B006 strona z materiałami

Bardziej szczegółowo

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I (SGH)

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

Bardziej szczegółowo

Rachunek prawdopodobieństwa- wykład 2

Rachunek 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 szczegółowo

Wykład 2. Prawdopodobieństwo i elementy kombinatoryki

Wykład 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 szczegółowo

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

Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/ Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Akademicka 15, p.211a bud. Agro II, e-mail: zdzislaw.otachel@up.lublin.pl

Bardziej szczegółowo

Wstęp do probabilistyki i statystyki Wykład 3. Prawdopodobieństwo i algebra zdarzeń

Wstęp do probabilistyki i statystyki Wykład 3. Prawdopodobieństwo i algebra zdarzeń Wstęp do probabilistyki i statystyki Wykład 3. Prawdopodobieństwo i algebra zdarzeń dr inż. Krystyna Schneider, Katedra Elektroniki, AGH e-mail: kryschna@agh.edu.pl http://home.agh.edu.pl/~kryschna 1 Plan:

Bardziej szczegółowo

02DRAP - Aksjomatyczna definicja prawdopodobieństwa, zasada w-w

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

Bardziej szczegółowo

III. ZMIENNE LOSOWE JEDNOWYMIAROWE

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

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka

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

Bardziej szczegółowo

Rachunek Prawdopodobieństwa Anna Janicka

Rachunek Prawdopodobieństwa Anna Janicka Rachunek Prawdopodobieństwa Anna Janicka wykład I, 3.10.2017 PODSTAWY RACHUNKU PRAWDOPODOBIEŃSTWA Kwestie techniczne Kontakt: ajanicka@wne.uw.edu.pl Dyżur: wtorki, godz. 9:15 s.?? strona z materiałami

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa

STATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa STATYSTYKA MATEMATYCZNA rachunek prawdopodobieństwa treść Zdarzenia losowe pojęcie prawdopodobieństwa prawo wielkich liczb zmienne losowe rozkłady teoretyczne zmiennych losowych Zanim zajmiemy się wnioskowaniem

Bardziej szczegółowo

STATYSTYKA wykład 1. Wanda Olech. Katedra Genetyki i Ogólnej Hodowli Zwierząt

STATYSTYKA 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 szczegółowo

Prawdopodobieństwo warunkowe Twierdzenie o prawdopodobieństwie całkowitym

Prawdopodobieństwo 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 szczegółowo

STATYSTYKA wykład 1. Wanda Olech. Katedra Genetyki i Ogólnej Hodowli Zwierząt

STATYSTYKA 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 szczegółowo

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

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

Zmienna losowa. Rozkład skokowy

Zmienna losowa. Rozkład skokowy Temat: Zmienna losowa. Rozkład skokowy Kody kolorów: żółty nowe pojęcie pomarańczowy uwaga * - materiał nadobowiązkowy Anna Rajfura, Matematyka i statystyka matematyczna na kierunku Rolnictwo SGGW 1 Zagadnienia

Bardziej szczegółowo

Po co nam statystyka matematyczna? Żeby na podstawie próby wnioskować o całej populacji

Po 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 szczegółowo

Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 1

Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 1 Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 1 Przygotowując wykład korzystam głównie z książki Jakubowski, Sztencel Wstęp do teorii prawdopodobieństwa. Jakubowski, Sztencel:

Bardziej szczegółowo

Metody probabilistyczne

Metody probabilistyczne Metody probabilistyczne. Twierdzenia graniczne Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 20.2.208 / 26 Motywacja Rzucamy wielokrotnie uczciwą monetą i zliczamy

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA

RACHUNEK 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 szczegółowo

Statystyka i Rachunek Prawdopodobieństwa dla Bioinzynierii Lista zadań 2, 2018/19z (zadania na ćwiczenia)

Statystyka i Rachunek Prawdopodobieństwa dla Bioinzynierii Lista zadań 2, 2018/19z (zadania na ćwiczenia) Statystyka i Rachunek Prawdopodobieństwa dla Bioinzynierii Lista zadań 2, 2018/19z (zadania na ćwiczenia) 1 Przestrzeń probabilistyczna Zadanie 1 Rzucamy dwiema kostkami do gry. Opisać przestrzeń zdarzeń

Bardziej szczegółowo

Prawdopodobieństwo i statystyka Wykład I: Przestrzeń probabilistyczna

Prawdopodobieństwo i statystyka Wykład I: Przestrzeń probabilistyczna 9 października 2018 Zasady zaliczenia przedmiotu: Zaliczenie ćwiczeń rachunkowych. Zdanie egzaminu ustnego z treści wykładu. Literatura J. Jakubowski i R. Sztencel, Wstęp do teorii prawdopodobieństwa.

Bardziej szczegółowo

1.1 Rachunek prawdopodobieństwa

1.1 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 szczegółowo

+ r arcsin. M. Przybycień Rachunek prawdopodobieństwa i statystyka π r x

+ 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 szczegółowo

Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.

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 szczegółowo

Prawa wielkich liczb, centralne twierdzenia graniczne

Prawa wielkich liczb, centralne twierdzenia graniczne , centralne twierdzenia graniczne Katedra matematyki i ekonomii matematycznej 17 maja 2012, centralne twierdzenia graniczne Rodzaje zbieżności ciągów zmiennych losowych, centralne twierdzenia graniczne

Bardziej szczegółowo

METODY PROBABILISTYCZNE I STATYSTYKA

METODY PROBABILISTYCZNE I STATYSTYKA Andrzej Marciniak METODY PROBABILISTYCZNE I STATYSTYKA Wykłady dla studentów kierunku informatyka Państwowej Wyższej Szkoły Zawodowej w Kaliszu Wykłady są przeznaczone wyłącznie do indywidualnego użytku

Bardziej szczegółowo

p k (1 p) n k. k c. dokładnie 10 razy została wylosowana kula amarantowa, ale nie za pierwszym ani drugim razem;

p k (1 p) n k. k c. dokładnie 10 razy została wylosowana kula amarantowa, ale nie za pierwszym ani drugim razem; 05DRAP - Niezależność zdarzeń, schemat Bernoulliego Definicja.. Zdarzenia A i B nazywamy niezależnymi, jeżeli zachodzi równość P(A B) = P(A) P(B). Definicja. 2. Zdarzenia A,..., A n nazywamy niezależnymi

Bardziej szczegółowo

Wykład 11: Podstawowe pojęcia rachunku prawdopodobieństwa

Wykład 11: Podstawowe pojęcia rachunku prawdopodobieństwa Wykład : Podstawowe pojęcia rachunku prawdopodobieństwa dr Mariusz Grządziel 3 maja 203 Doświadczenie losowe Doświadczenie nazywamy losowym, jeśli: może być powtarzane (w zasadzie) w tych samych warunkach;

Bardziej szczegółowo

Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa

Rachunek 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 szczegółowo

Elementy rachunku prawdopodobieństwa (M. Skośkiewicz, A. Siejka, K. Walczak, A. Szpakowska)

Elementy 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 szczegółowo

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

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

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka matematyczna. Leszek Adamczyk Wykłady dla kierunku Fizyka Medyczna w semestrze letnim 2016/2017

Rachunek prawdopodobieństwa i statystyka matematyczna. Leszek Adamczyk Wykłady dla kierunku Fizyka Medyczna w semestrze letnim 2016/2017 Rachunek prawdopodobieństwa i statystyka matematyczna Leszek Adamczyk Wykłady dla kierunku Fizyka Medyczna w semestrze letnim 2016/2017 1 1 Wstęp Rachunek prawdopodobieństwa i statystyka to: działy matematyki

Bardziej szczegółowo

Prawdopodobieństwo geometryczne

Prawdopodobieństwo geometryczne Prawdopodobieństwo geometryczne Bartosz Ziemkiewicz Wydział Matematyki i Informatyki UMK, Toruń Uniwersyteckie Koło Matematyczne 23 kwietnia 2009 r. Bartosz Ziemkiewicz (WMiI UMK) Prawdopodobieństwo geometryczne

Bardziej szczegółowo

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

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

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3.

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3. RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 3. ZMIENNA LOSOWA JEDNOWYMIAROWA. Zmienną losową X nazywamy funkcję (praktycznie każdą) przyporządkowującą zdarzeniom elementarnym liczby rzeczywiste. X : Ω R (dokładniej:

Bardziej szczegółowo

P 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. 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 szczegółowo

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

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

Bardziej szczegółowo

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

WYKŁAD 3. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki WYKŁAD 3 Witold Bednorz, Paweł Wolff 1 Instytut Matematyki Uniwersytet Warszawski Rachunek Prawdopodobieństwa, WNE, 2010-2011 Schemmat Bernouliego Rzucamy 10 razy moneta, próba Bernouliego jest pojedynczy

Bardziej szczegółowo

Wykład 1: Przestrzeń probabilistyczna. Prawdopodobieństwo klasyczne. Prawdopodobieństwo geometryczne.

Wykład 1: Przestrzeń probabilistyczna. Prawdopodobieństwo klasyczne. Prawdopodobieństwo geometryczne. Rachunek prawdopodobieństwa MAP1151 Wydział Elektroniki, rok akad. 2011/12, sem. letni Wykładowca: dr hab. A. Jurlewicz Wykład 1: Przestrzeń probabilistyczna. Prawdopodobieństwo klasyczne. Prawdopodobieństwo

Bardziej szczegółowo

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

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

Bardziej szczegółowo

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 1 ZADANIA - ZESTAW 1. (odp. a) B A C, b) A, c) A B, d) Ω)

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 1 ZADANIA - ZESTAW 1. (odp. a) B A C, b) A, c) A B, d) Ω) ZADANIA - ZESTAW 1 Zadanie 1.1 Rzucamy trzy razy monetą. A i - zdarzenie polegające na tym, że otrzymamy orła w i - tym rzucie. Określić zbiór zdarzeń elementarnych. Wypisać zdarzenia elementarne sprzyjające

Bardziej szczegółowo

Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa

Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie prawdopodobieństwa Rozdział 2.3: Przykłady przestrzeni probabilistycznych. Katarzyna Rybarczyk-Krzywdzińska Przestrzeń probabilistyczna Przestrzeń

Bardziej szczegółowo

Spis treści. Definicje prawdopodobieństwa. Częstościowa definicja prawdopodobieństwa. Wnioskowanie_Statystyczne_-_wykład

Spis treści. Definicje prawdopodobieństwa. Częstościowa definicja prawdopodobieństwa. Wnioskowanie_Statystyczne_-_wykład Wnioskowanie_Statystyczne_-_wykład Spis treści 1 Definicje prawdopodobieństwa 1.1 Częstościowa definicja prawdopodobieństwa 1.1.1 Przykład 1.1.2 Rozwiązanie: 1.1.3 Inne rozwiązanie: 1.1.4 Jeszcze inne

Bardziej szczegółowo

Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie

Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie Jarosław Kotowicz Instytut Matematyki Uniwersytet w

Bardziej szczegółowo

Rachunek prawdopodobieństwa Rozdział 1. Wstęp

Rachunek prawdopodobieństwa Rozdział 1. Wstęp Rachunek prawdopodobieństwa Rozdział 1. Wstęp 1.0. Kilka słów na początek Katarzyna Rybarczyk-Krzywdzińska O czym mowa? Jakiego typu pytania będą nas interesować? Bolek, Lolek i Tola wstąpili do kasyna:

Bardziej szczegółowo

Matematyka z el. statystyki, # 1 /Geodezja i kartografia I/

Matematyka z el. statystyki, # 1 /Geodezja i kartografia I/ Matematyka z el. statystyki, # 1 /Geodezja i kartografia I/ dr n. mat. Zdzisław Otachel Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Akademicka 15, p.211a, bud. Agro

Bardziej szczegółowo

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe

Wykład 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 szczegółowo

Przestrzeń probabilistyczna

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

Bardziej szczegółowo

Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.

Rachunek 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 szczegółowo

c. dokładnie 10 razy została wylosowana kula antracytowa, ale nie za pierwszym ani drugim razem;

c. dokładnie 10 razy została wylosowana kula antracytowa, ale nie za pierwszym ani drugim razem; 05DRAP - Niezależność zdarzeń, schemat Bernoulliego A Zadania na ćwiczenia Zadanie A.. Niech Ω = {ω, ω 2, ω, ω, ω 5 } i P({ω }) = 8, P({ω 2}) = P({ω }) = P({ω }) = 6 oraz P({ω 5}) = 5 6. Niech A = {ω,

Bardziej szczegółowo

Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.

Rachunek 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 szczegółowo

Zdarzenie losowe (zdarzenie)

Zdarzenie losowe (zdarzenie) Zdarzenie losowe (zdarzenie) Ćw. 1. Ze zbioru cyfr (l, 2,3,..., 9} losowo wybieramy jedną. a) Wypisz zdarzenia elementarne, sprzyjające: zdarzeniu A, że wybrano liczbę parzystą zdarzeniu B, że wybrano

Bardziej szczegółowo

Statystyka 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 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 szczegółowo

KURS PRAWDOPODOBIEŃSTWO

KURS 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 szczegółowo

Statystyka matematyczna dla leśników

Statystyka matematyczna dla leśników Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 2013/2014 Wykład 3 Zmienna losowa i jej rozkłady Zdarzenia losowe Pojęcie prawdopodobieństwa

Bardziej szczegółowo

Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/

Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/ Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/ Uniwersytet Przyrodniczy w Lublinie Katedra Zastosowań Matematyki i Informatyki ul. Głęboka 28, bud. CIW, p. 221 e-mail: zdzislaw.otachel@up.lublin.pl

Bardziej szczegółowo

Wykład 2 Zmienne losowe i ich rozkłady

Wykład 2 Zmienne losowe i ich rozkłady Wykład 2 Zmienne losowe i ich rozkłady Magdalena Frąszczak Wrocław, 11.10.2017r Zmienne losowe i ich rozkłady Doświadczenie losowe: Rzut monetą Rzut kostką Wybór losowy n kart z talii 52 Gry losowe Doświadczenie

Bardziej szczegółowo

Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 2

Rachunek 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 szczegółowo

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego

Projekt Era inżyniera pewna lokata na przyszłość jest współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Materiały dydaktyczne na zajęcia wyrównawcze z matematyki dla studentów pierwszego roku kierunku zamawianego Biotechnologia w ramach projektu Era inżyniera pewna lokata na przyszłość Projekt Era inżyniera

Bardziej szczegółowo

Metody probabilistyczne

Metody probabilistyczne Metody probabilistyczne 5. Zmienne losowe: wprowadzenie Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 8..208 / 42 Motywacja Często bardziej niż same zdarzenia losowe

Bardziej szczegółowo

Rozkłady statystyk z próby

Rozkłady statystyk z próby Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny

Bardziej szczegółowo

Statystyka i eksploracja danych

Statystyka i eksploracja danych Wykład I: Formalizm statystyki matematycznej 17 lutego 2014 Forma zaliczenia przedmiotu Forma zaliczenia Literatura Zagadnienia omawiane na wykładach Forma zaliczenia przedmiotu Forma zaliczenia Literatura

Bardziej szczegółowo

3. Podstawowe pojęcia statystyki matematycznej i rachunku prawdopodobieństwa wykład z Populacja i próba

3. Podstawowe pojęcia statystyki matematycznej i rachunku prawdopodobieństwa wykład z Populacja i próba 3. Podstawowe pojęcia statystyki matematycznej i rachunku prawdopodobieństwa wykład z 12.03.2007 Populacja i próba Populacja- zbiorowość skończona lub nieskończona, w stosunku do której mają być formułowane

Bardziej szczegółowo

Wykład 13. Podstawowe pojęcia rachunku prawdopodobieństwa

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

Bardziej szczegółowo

W2 Podstawy rachunku prawdopodobieństwa (przypomnienie)

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

Bardziej szczegółowo

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

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

Bardziej szczegółowo

MNRP r. 1 Aksjomatyczna definicja prawdopodobieństwa (wykład) Grzegorz Kowalczyk

MNRP 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 szczegółowo

Statystyka w analizie i planowaniu eksperymentu

Statystyka 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 szczegółowo

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

Rachunek 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 szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA 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

Rozkłady prawdopodobieństwa zmiennych losowych

Rozkłady prawdopodobieństwa zmiennych losowych Rozkłady prawdopodobieństwa zmiennych losowych Rozkład dwumianowy Rozkład normalny Marta Zalewska Zmienna losowa dyskretna (skokowa) jest to zmienna, której zbór wartości jest skończony lub przeliczalny.

Bardziej szczegółowo