FUNKCJE ZMIENNYCH LOSOWYCH. Uwagi o rozkładzie funkcji zmiennej losowej jednowymiarowej.

Wielkość: px
Rozpocząć pokaz od strony:

Download "FUNKCJE ZMIENNYCH LOSOWYCH. Uwagi o rozkładzie funkcji zmiennej losowej jednowymiarowej."

Transkrypt

1 L.Kowals Fucje zmeych losowych FUNKCJE ZMIENNYCH LOSOWYCH Uwag o rozładze fucj zmeej losowej jedowymarowej. Jeśl - soowa, o fucj prawdopodobeńswa P( x ) p, g - dowola o fucja prawdopodobeńswa zmeej losowej Y g() ma posać: g(x ) g(x )... g(x ) p p... p Po uporządowau rosąco warośc g(x ) zsumowau odpowedch prawdopodobeńsw. Doładej P( Y P( g( ) P U { : g ( x ) y} ( x ) ( x ) { : g ( x ) y} { : g ( x ) y} - zmea losowa soowa o fucj prawdopodobeńswa: ,4,,,,, wyzaczymy fucję prawdopodobeńswa zmeej losowej Y sg. sg(-4) sg(-) sg(-) -. sg(). sg() sg(). Zaem fucja prawdopodobeńswa zmeej losowej Y jes asępująca -,6,,3 P p - daa zmea losowa cągła o gęsośc f. Y g() g - borelowsa, z. g - (B) B(R) dla B B(R), Wyzaczyć gęsość g( zmeej losowej Y. ) Jeśl g - ścśle mooocza różczowala w przedzale (a, b) oceracj o: ' g ( f h( h ( y ( ) ) gdze h g -. Należy pamęać o przeszałceu przedzału oceracj. Y a + b, wedy y b g( f, a a dla x Jeśl ma rozład o gęsośc f ( x) x e dla x > Y, wedy ( ( y + ) h ( y +, g() -, g(), h, ( )

2 L.Kowals Fucje zmeych losowych g ( y + ) e ( ( y+ ) dla x, dla x > ) Jeśl g - przedzałam ścśle mooocza różczowala w przedzale (a, b) oceracj o: g( f ( h ( ) ' h ( gdze h - fucje odwroe do g dla poszczególych przedzałów, - lczba warośc fucj odwroej odpowadających daemu y. Y, wedy ( f ( + f ( y > g, g, y y Y, wedy ( f ( y ) + f ( y ) y > W eórych zagadeach wyzaczaa rozładu fucj zmeej losowej ajperw wyzaczamy dysrybuaę rozładu zmeej losowej Y g(), wg schemau F Y ( P( Y < P( g( ) < P( g ((, ) < asępe jeśl o możlwe, wyzaczamy fucję prawdopodobeńswa (gdy jes o rozład soow lub gęsość (gdy jes o rozład cągł. Jeśl ma rozład o gęsośc dla x [, 3] f ( x) (rozład jedosajy a [, 3]) dla x [, 3] 3 Y max,, ( ) ( y 3 wedy P( Y < P( max(, ) < F Y dla dla dla y < y 3 y > 3 Ne jes o a rozład soowy a cągły. Ne moża węc wyzaczyć a fucj prawdopodobeńswa a gęsośc. Jes o rozład meszay soowo - cągły zgode z werdzeem o rozładze dysrybuay powyższą dysrybuaę moża przedsawć w posac F Y c + F cf gdze c /3, F dla y ( y ) dla y >,

3 L.Kowals Fucje zmeych losowych c /3, dla y F ( y - dla < y 3, dla y > 3 Fucje zmeych losowych wymarowych. (, ) - daa zmea losowa cągła o gęsośc f. Y g(, ) g - borelowsa, Dysrybuaa ej zmeej losowej ma posać G( f ( x, x ) dx dx ( g ( x, x ) < y ) gęsość g( wyzaczamy przez różczowae. Y, y / x G( f ( x, x ) dxdx f ( x, x ) dx dx + f ( x, x ) dx dx x x < y y / x wedy g( y y f ( x, ) dx + f x dx x x (, ) x x (, ) - zmea losowa o rozładze jedosajym w wadrace (, ) x (, ). Wyzaczyć rozład pola prosoąa o boach x, x z. zmeej losowej Y. G( dxdx dxdx dx dx y( l x x < y x x y y y / x dla < y dla y sąd G( y( l dla < y dla < y zaem g( -ly dla < y Y /, y x G( f ( x, x) dx dx + f ( x, x) dx dx y x wedy g( xf ( x, yx) dx + xf ( x, yx) dx, - ezależe zmee losowe. - N(, σ ), - N(, σ ). Nech ~, ~ (mają rozład N(, ). σ σ 3

4 L.Kowals Fucje zmeych losowych ~ x / yx / x / / ~ ( ~ e e e e g y ) x dx + x dx π π π π π (rozład Cauchy'ego) orzysając fucj lowej od zmeej losowej ~ σ Y Y mamy σ g ( σ σ π + y σ σ wedy g( ~ yx Y +, y x G( f ( x, x ) dx dx f ( x, y x) dx f ( y x, x) dx ( + ~ y ) Uwaga. Jeśl, - ezależe zmee losowe o gęsość sumy wyraża sę sploem gęsośc brzegowych (p. dalej). wedy g( Y -, f ( x, x dx f ( x y, x) dx Suma ezależych zmeych losowych. Własośc: ), Y ezależe soowe zmee losowe o fucjach prawdopodobeńswa P( x ), P(Y y j ); wedy fucja prawdopodobeńswa zmeej losowej + Y wyraża sę wzorem: P(Z z ) P( x )P(Y z - x j ); (z x + y j ) ), Y ezależe cągłe zmee losowe o gęsoścach f f ; wedy gęsość zmeej losowej + Y wyraża sę wzorem: ( f x) f ( ) f ( x ) d f ( x ) f ( ) d (splo gęsośc sładów). Fucje zmeych losowych - wymarowych. Sysem słada sę uładów z órych ażdy ma czas bezawaryjej pracy oreśloy rozładem wyładczym o paramerze a ezależym od pozosałych uładów. Wyzaczyć rozład bezawaryjego czasu pracy całego sysemu (sysem dzała jeśl pracuje chocaż jede uład). Y , 4

5 L.Kowals Fucje zmeych losowych Przez ducję poazuje sę, że Y ma rozład o gęsośc: a j y g( e ( ) a wedy G( ( ) j ( a a ) j a j j ( a a ) j j e a y j dla y > Orzymay rozład azywamy uogóloym rozładem Erlaga - ego rzędu T. E( T ) E D ( T ) D T T a a gdy a a... a λ o λ( λ) λ g( e λp(, λ) > ( )! gdze P(-, λ) jes rozładem Possoa. Y m(, ) G F ( + F ( F ( y, ) wedy g( ( y f y + f ( f ( y, x) dx f ( x, dx ( Uwaga. Jeśl, - ezależe zmee losowe o: G( F ( + F ( F ( F ( g ( f ( F ( ) + f ( ( F ( )) ( y Jeśl, - ezależe zmee losowe o am samym rozładze o: G( F( ( F ( ) wedy g ( f ( ( F ( ) wedy g( G ( F ( y, y f ( y, x) dx + f ( x, dx y y Y max(, ) Uwaga. Jeśl, - ezależe zmee losowe o am samym rozładze o: G ( F ( wedy g ( f ( F ( Rozład fucj od rozładu ormalego. (,, 3,..., ) - rozład ormaly. Y g(,, 3,..., ), ależy wyzaczyć rozład Y. Y a + a + a a 3 + b dla y > 5

6 L.Kowals Fucje zmeych losowych g( e σ π y ( y m y ) σ y gdze: m y a m + a m + b, σ y a σ + aσ + a arσ σ, Przez ducję moża poazać, że dla dowolego Y ma rozład ormaly o paramerach: m y a m + a m a m + b, σ a σ + a a r σ σ, y < j,..., - ezależe, o rozładze N(, ). Y ma rozład ch wadra N f j j y y e Γ ( j x > x E ; D - N(m, σ), Y e Ma rozład logarymczo-ormaly. Nazwa pochodz sąd, że ly ma rozład ormaly. FUNKCJA CHARAKTERYSTYCZNA Własośc zmeych losowych moża róweż badać orzysając z przeszałcea Fourera (Fourera-Selesa), prowadz o do pojęca fucj charaerysyczej. Najważejszym zasosowaem fucj charaerysyczych jes badae własośc sum ezależych zmeych losowych porówywae rozładów. Fucję ϕ : R C (zespoloą zmeej rzeczywsej) oreśloą wzorem ϕ ( ) ϕ ( ) E x ( e ) e df( x), R azywamy fucją charaerysyczą zmeej losowej. Zaem dla zmeej losowej soowej o fucj prawdopodobeńswa ϕ ( ) p e x, aomas dla zmeej losowej cągłej o gęsośc f(x) ϕ ( ) f ( x) e x dx, R R P ( x ) p Powyższy szereg cała są bezwzględe zbeże do (bo warośc modułu zmeej losowej e, R są rówe odpowedo p, f ( x) dx ), zaem fucja charaerysycza zawsze seje. 6

7 L.Kowals Fucje zmeych losowych Własośc fucj charaerysyczej. a) ϕ ( ), ϕ ( ), R, b) ϕ jes fucją jedosaje cągłą, b c) ϕ ( ) e ϕ ( a) a + b, d) jeśl seje E <,, o ϕ jes fucją lasy C oraz ϕ ( ) ( ) () ϕ () E, ( ) e) jeśl seje jes sończoa pochoda ϕ () o E <, f) ϕ ( ) ϕ ( ) ϕ ( ) g) jeśl, Y - ezależe zmee losowe o ϕ + Y ( ) ϕ ( ) ϕy ( ), h) fucja charaerysycza oreśla rozład zmeej losowej jedozacze. Ad. b) ϕ( + h) ϕ( ) Ee E ( + h) Ee h h h ( e ( e ) E( e e ) E( e ) h Poeważ osae wyrażee e zależy od o zbeżość jes jedosaja. Ad. c) ( a + b) b a b ϕ ( ) Ee e Ee e ϕ ( a) a + b, E, czyl Ad. d) (dla zmeej losowej cągłej). Poeważ rozparywaa fucja jes jedosaje cągła o moża różczować względem pod zaem cał wedy x ϕ ( ) xf ( x) e dx, sąd ϕ () E Przez ducję moża poazać, że ( ) x ϕ ( ) x f ( x) e dx, sąd ϕ ( ) () + Y Y Y Ad. g) ϕ ( ) Ee E e e Ee Ee ϕ ( ) ϕ ( + Y E ( ) ( ) ) Fucje charaerysycze podsawowych rozładów zosały podae w ch zesaweu, wyprowadzmy eóre z ych wzorów. Wyzaczymy fucję charaerysyczą rozładu dwumaowego. P( ) p q gdze q p ϕ (,,,...,. ( pe ) q ( pe q) ) p q e + Y 7

8 L.Kowals Fucje zmeych losowych Wyzaczymy fucję charaerysyczą rozładu wyładczego. ax ae x > f ( x) x ax x ϕ ( ) ae e dx a e ( a) x a dx a Wyzaczymy fucję charaerysyczą zmeej losowej Y o rozładze N(m, σ). ( x m) f ( x) e σ σ π x R Najperw wyzaczymy fucję charaerysyczą zmeej losowej o rozładze N(, ). x x x + + ( ) x ϕ e e dx e dx e π e π π ( ) x dx e Poeważ Y σ + m o orzysając z własośc c) fucj charaerysyczej m b m m ϕ a + b( ) e ϕ ( a) mamy ϕ ( ) e ϕ ( σ ) e e e Y Wyzaczymy za pomocą fucj charaerysyczej mome rzędu 4 zmeej losowej o rozładze N(, ). Mamy ϕ ( ) e, zaem ( ) e ( 4) 4 ( ) ϕ ( ) e, 3 sąd m ( ) 3 ϕ, ϕ ( ), ( ) ( 4) ϕ () 3, σ e σ ϕ ( ) + 3 e, Wose. Kuroza ej zmeej losowej wyos 3. Poażemy, że suma ezależych zmeych losowych o rozładze Possoa z parameram λ, λ jes róweż zmeą losową o rozładze Possoa o paramerze λ + λ. Zmea losowa o rozładze Possoa z paramerem λ + λ ma fucję charaerysyczą ( λ + λ )( e ϕ ( ) e ) suma ezależych zmeych losowych o rozładze Possoa z parameram λ, λ ma fucję charaerysyczą (własość g)) 8

9 L.Kowals Fucje zmeych losowych ϕ ( e ) λ ( e ) ( λ + λ )( e e e ) λ + Y ( ) e Z rówośc fucj charaerysyczych wya rówość rozładów (fucja charaerysycza oreśla rozład zmeej losowej jedozacze). Sąd prawdzwość posawoej ezy. W szczególych przypadach moża (orzysając z rerasforma a podsawe fucj charaerysyczej wyzaczyć rozład zmeej losowej. Własość. Jeśl fucja charaerysycza ϕ zmeej losowej jes bezwzględe całowala, o jes zmeą losową cągłą gęsość jej wyraża sę wzorem x f ( x) ϕ( ) e d π Własość. Jeśl fucja charaerysycza ϕ zmeej losowej jes oresowa o orese π, o jes zmeą losową soową o waroścach całowych jej fucja prawdopodobeńswa wyraża sę wzorem π P( ) ϕ( ) e d - lczba całowa π π Wyzaczymy rozład prawdopodobeńswa zmeej losowej, órej fucja 3 charaerysycza ma posać ϕ ( ) e. Jes o fucja oresowa o orese π, zaem jes zmeą losową soową o waroścach całowych jej fucja prawdopodobeńswa wyraża sę wzorem π π 3 3/ gdy 3 P( ) e e d e d π π gdy 3 π π Zaem ma rozład jedopuowy P( 3). Fucja worząca. Jeśl jes zmeą losową przyjmującą eujeme warośc całowe mającą rozład oreśloy fucją prawdopodobeńswa P( ) p,,,... o jej fucją worzącą azywamy zespoloy szereg poęgowy Ψ( s ) Ψ ( s) Przy czym jeśl pewe warośc e są puam soowym o odpowede sład powyższej sumy są rówe zero. Zauważmy, że powyższą fucję moża formale oreślć jao Ψ ( s ) E( s ). Z własośc fucj prawdopodobeńswa wya, że powyższy szereg poęgowy jes zbeży przyajmej dla s. Zaem z własośc zespoloych szeregów poęgowych wya, że Ψ (s) jes fucją aalyczą wewąrz oła jedosowego s <. p s 9

10 L.Kowals Fucje zmeych losowych Fucja worząca jedozacze oreśla rozład prawdopodobeńswa zmeej losowej o eujemych waroścach całowych, bowem d p Ψ( s),,,... s! ds Needy do wyzaczaa sosuje sę całę Cauchy ego Ψ( s) p < ds r + π s (warość ej cał moża wyzaczyć za pomocą werdzea o resduach). Jeśl Ψ (s) jes fucja wymerą o sosujemy rozład a ułam prose. s r Rozład zerojedyowy ma fucję worzącą P( ) p, P( ) q gdze q p Ψ ( s ) q + ps Fucja worząca sumy ezależych zmeych losowych jes rówa loczyow fucj worzących poszczególych sładów. Rozład dwumaowy P( ) p q,,,..., gdze q p ma fucję worzącą Ψ ( s ) ( q + ps) Uzasadee: rozład dwumaowy jes sumą ezależych rozładów zerojedyowych. λ λ Rozład Possoa P( ) e!,,,... λ > ma fucję worzącą λ( s) Ψ( s) e Jeśl dla zmeej losowej seje mome rzędu drugego, o m Ψ () m Ψ () + Ψ () zaem D Ψ ( ) + Ψ () Ψ ( ) [ ] Uwaga. Poeważ Ψ ( e ) ϕ ( ), gdze ϕ () jes fucją charaerysyczą zmeej losowej, o własośc fucj worzących wyają z własośc fucj charaerysyczych z uwzględeem zamay argumeu. Np. () Ψ ( e ) e m ϕ Ψ ()

11 L.Kowals Fucje zmeych losowych ( Ψ ( e ) e ) ( Ψ ( e ) e e + Ψ ( e ) e ) ϕ () m Ψ () + Ψ () Fucja worząca momey (rasformaa Laplace a). Jeśl jes zmeą losową dla órej seją momey dowolego rzędu o jej fucją worzącą momey azywamy fucję zespoloą M ( ) M ( ) E( e ) zaem dla zmeej losowej soowej o fucj prawdopodobeńswa P ( x ) p M ( ) a dla zmeej losowej cągłej o gęsośc f(x) e x p x M ( ) e f ( x) dx W obu przypadach rozwjając fucję e x w szereg Taylora możemy fucję worzącą momey zapsać w posac M ( ) m! zaem co wyjaśa azwę rozparywaej fucj. m d M ( ) d Uwaga. Mędzy fucją worzącą momey a fucją worzącą zachodz zależość M ( ) Ψ( e ) (dla zmeej losowej o eujemych waroścach całowych). TWIERDZENIA GRANICZNE Zbeżość cągu zmeych losowych z prawdopodobeńswem (prawe apewo) Cąg zmeych losowych ( ) jes zbeży do zmeej losowej z prawdopodobeńswem jeśl P ({ ω : lm ( ω) ( ω) }) Średowadraowa zbeżość cągu zmeych losowych Cąg zmeych losowych ( ) jes średowadraowo zbeży do zmeej losowej jeśl lm E ( ) Rozparując e rodzaj zbeżośc załadamy, że dla wysępujących u zmeych losowych ( ), seje sończoy mome rzędu.

12 L.Kowals Fucje zmeych losowych Needy sosuje sę zaps l..m. (sró od lm mea ). Sochasycza zbeżość cągu zmeych losowych Cąg zmeych losowych ( ) jes sochasycze (wg prawdopodobeńswa) zbeży do zmeej losowej jeśl lub rówoważe lm P( < ε ) ε> lm P( ε ) ε > Zbeżość cągu zmeych losowych wg dysrybua (wg rozładu) Cąg zmeych losowych ( ) jes zbeży do zmeej losowej wg dysrybua jeśl cąg ch dysrybua F jes zbeży do dysrybuay F w ażdym puce jej cągłośc (F jes dysrybuaą zmeej losowej ). Zależośc medzy zbeżoścam. ZBIEŻNOŚĆ Z PRAWDOPODOBIEŃSTWEM ZBIEŻNOŚĆ ŚREDNIOKWADRATOWA ZBIEŻNOŚĆ STOCHASTYCZNA ZBIEŻNOŚĆ WG DYSTRYBUANT zbeżość do sałej (z. gdy graca ma rozład jedopuow Rozparzmy cąg zmeych losowych soowych oreśloych a przedzale [, ) w asępujący sposób + gdy ω ; ( ω) + gdy ω [, ) ; P( ) ; P( ) Cąg,,, 3, 3, 3,... jes zbeży sochasycze do zera bo

13 L.Kowals Fucje zmeych losowych lm P( ε ) lm < ε < Naomas cąg e e jes zbeży w żadym puce przedzale [, ) bowem dla ażdego usaloego puu orzymujemy rozbeży cąg zer jedye (zera jedy wysępują a dowole dalech mejscach). Cąg zmeych losowych cągłych o rozładach jedosajych a przedzałach (, /) jes zbeży do rozładu jedopuowego ( P ( ) ) wg dysrybua. Uwaga. Puowa graca cągu dysrybua e mus być dysrybuaą. Jeśl cąg fucj charaerysyczych odpowadających rozparywaemu cągow dysrybua jes puowo zbeży do fucj cągłej o graca ych dysrybua jes dysrybuaą. Klasyfacja werdzeń graczych szerszy ch wybór p. J.Zachars Zarys maemay wyższej, T. III. Cerale werdzee gracze Ldeberga Levy'ego Jeśl ezależe zmee losowe (,,..., ) mają a sam rozład oraz seje E( ) m D ( ) σ > o cąg dysrybua (F ) sadaryzowaych średch arymeyczych (lub sadaryzowaych sum ) m Y σ / jes zbeży do dysrybuay Φ rozładu N(, ). σ m Aby sę przeoać, że suma ezależych zmeych losowych o am samym rozładze może dążyć do rozładu N(, ) porówajmy rozład N(, ) sadaryzowae rozłady, ( + Y)/, ( + Y + Z)/3, gdze, Y, Z ezależe zmee losowe o rozładze jedosajym w przedzale [,5;,5]. 3

14 L.Kowals Fucje zmeych losowych 4

15 L.Kowals Fucje zmeych losowych Wose Dla dużych (w prayce 3) P a m < b Φ( b) Φ( a) σ W przypadu szczególym gdy (,,..., ) maja rozład zerojedyowy o powyższe werdzee azywamy werdzeem Movre'a-Laplace'a (zmee losowe Y mają rozład dwumaow. Wose z werdzea Movre'a-Laplace'a: Y p P a < b Φ( b) Φ( a) pq Uwaga. Powyższe werdzea wsazują a ważą rolę rozładu ormalego. Przyład Wadlwość par żarówe wyos,. Z ej par żarówe wylosowao 65 żarówe. Oblczyć prawdopodobeńswo, że wśród wylosowaych żarówe będze a) mej ż wadlwych, b) ajwyżej wadlwych. Rozwązae. Y lczba wadlwych żarówe wśród wylosowaych, Ad a) Y 65, 65, ( ) P Y < P < 65,,99 65,,99 Φ(,5),93448 Ad b) P( Y ) P( Y < ) + P( Y ) P( Y < ) Y 65, P < 65,,99 Φ(,9), , 65,,99 Prawo welch lczb Chczya ( ) cąg ezależych zmeych losowych o am samym rozładze oraz ech seje E( ) m. Wedy cąg jes zbeży sochasycze do m. Y Wose Dla dużych jeśl seje D ( ) σ > o 5

16 L.Kowals Fucje zmeych losowych P ε ( Y m < ε ) Φ ε > σ Przypade szczególy prawo welch lczb Beroullego: ( ) cąg ezależych zmeych losowych o rozładze dwumaowym wedy cąg jes sochasycze zbeży do p. Wose Dla dużych : ε P p < ε Φ > pq Ilusracja powyższego werdzea dla rzuu moeą (p,5), lczba orłów w rzuach. rzuów ε Przyład Wadlwość par żarówe wyos,. Z ej par żarówe losujemy żarówe. Ile żarówe ależy wylosować aby prawdopodobeńswo, że średa lczba wadlwych żarówe różła sę co do warośc bezwzględej od wadlwośc par o mej ż,5 było co ajmej rówe,95. Rozwązae Y lczba wadlwych żarówe wśród wylosowaych Y,5,,5 P < Φ,95,,9 sąd,5 Φ,975 oraz,5,,9, 96,,9 zaem 3, 5 >

17 L.Kowals Fucje zmeych losowych Oceę odchylea warośc zmeej losowej od jej warośc oczewaej daje erówość Czebyszewa: zmea losowa oraz seje E() m D () σ > wedy σ σ P ( m ε ) lub P ( m ε ) ε ε > ε ε > (zaem σ jes marą odchylea warośc zmeej losowej od warośc oczewaej). Zauważmy, że dla ε 3σ orzymujemy uogóloe prawo "rzech sgm". Z erówoścą Czebyszewa zwązae są e erówośc p. ) erówość Marowa ε > p > P E ( ε ) p ε p ) erówość Czebyszewa II ε > P ( ε ) E ε 3) erówość Czebyszewa III (wyładcza) jeśl λ Ee Ee λ < o P( ε ) ε > λε e 4) erówość Bersea jeśl S lczba sucesów w próbach Beroullego z prawdopodobeńswem sucesu p o ε > P S p ε e ε 7

18 L.Kowals Fucje zmeych losowych ZADANIA Zadae. - rozład wyładczy o paramerze a, z. e f ( x) x dla dla wyzaczyć gęsość rozładu zmeej losowej Y - 3. x x < Zadae. Temperaura merzoa w sal Fahrehea ma rozład jedosajy w przedzale ( ; ). Wyzaczyć rozład emperaury przelczoej a salę Celsjusza Y 5( 3)/9. Zadae.3 Oporość R rezysora ma rozład jedosajy w przedzale (r - ; r + ). Wyzaczyć rozład przewodośc Y /R. Zadae.4 - zmea losowa soowa o fucj prawdopodobeńswa: - -,3,,,3, wyzaczyć fucję prawdopodobeńswa zmeej losowej Y. Zadae.5 Sprawdź, że jeśl, a dla a Y dla a < b o b dla b < G( F( dla y a dla a < y b dla b < y Gdze G - dysrybuaa Y, F - dysrybuaa, a, b - pozomy asycea. Zadae.6 Sprawdź, że jeśl Y m(, a) a o G( F( dla a dla a < dla y a dla a < y Gdze G - dysrybuaa Y, F - dysrybuaa. 8

19 L.Kowals Fucje zmeych losowych Zadae.7 Kóre z poższych fucj e mogą być fucjam charaerysyczym?.. ϕ ( ), + ϕ ( ), + 3. ϕ ( ) s a, 4. ϕ ( ) cos a, 5. ϕ ( ). Zadae.8 Wyzacz fucję charaerysyczą rozładu Possoa. Korzysając z ej wyzacz warość oczewaą warację ego rozładu. Zadae.9 Korzysając z fucj charaerysyczej rozładu wyładczego wyzacz warość oczewaą warację ego rozładu. Zadae. Wyzacz fucję charaerysyczą rozładu geomeryczego. Korzysając z ej wyzacz warość oczewaą warację ego rozładu. Zadae. Wyzacz fucję charaerysyczą rozładu jedosajego a przedzale (, ). Nasępe orzysając z własośc fucj charaerysyczej wyzacz fucję charaerysyczą rozładu jedosajego a przedzale (a, b), a < b. Zadae. Wyzacz fucję charaerysyczą rozładu gamma. Zadae.3 Wyzacz fucję charaerysyczą rozładu lczby wyrzucoych orłów przy rzuce rzema moeam. Zadae.4 Poazać, że suma ezależych zmeych losowych o rozładze Possoa z parameram λ,..., λ jes róweż zmeą losową o rozładze Possoa o paramerze λ λ. 9

20 L.Kowals Fucje zmeych losowych Zadae.5 Poazać, że suma ezależych zmeych losowych o rozładze N(m, σ ),,..., ; jes zmeą losową N(m m, σ σ ). Zadae.6 Zmea losowa ma fucję prawdopodobeńswa P( -),5; P( ),5; P( ),5 Wyzacz fucję charaerysyczą ej zmeej losowej. Zadae.7 Zmea losowa ma dysrybuaę F ( x),5 x < x x > a) Wyzacz fucję charaerysyczą ej zmeej losowej. b) Wyzacz fucję charaerysyczą zmeej losowej Y +. Zadae.8 Wyzaczyć rozład prawdopodobeńswa zmeej losowej, órej fucja charaerysycza ma posać ϕ ( ) cos. (Ws. ( e + e ) cos ) Zadae.9 Wyzaczyć rozład prawdopodobeńswa zmeej losowej, órej fucja charaerysycza ma posać ϕ ( ) cos. (Ws. cos ( + cos) ), Zadae. Wyzaczyć rozład prawdopodobeńswa zmeej losowej, órej fucja charaerysycza ma posać ( ) ϕ ( ),5 + e. (Ws. ( ),5+ e,5+,5e +,5e ), Zadae. Wyzaczyć rozład prawdopodobeńswa zmeej losowej, órej fucja charaerysycza,5 ma posać ϕ ( ) e.

21 L.Kowals Fucje zmeych losowych Zadae. Zmea losowa ma fucję charaerysyczą posac ϕ ( ) e. Czy seje E? Zadae.3 Zmea losowa ma dysrybuaę F ( x),5x x < x x > Wyzacz fucję charaerysyczą ej zmeej losowej. Zadae.4 Zmea losowa ma gęsość x + f ( x) x x < x < x x > Wyzacz fucję charaerysyczą ej zmeej losowej. Zadae.5 Nech Y będą ezależe o rozładze jedosajym a (-,5;,5). Poazać, że ch suma ma rozład o gęsośc ja w poprzedm zadau. Zadae.6 Nech Y będą ezależe o ym samym rozładze fucj charaerysyczej ϕ (). Wyzacz fucję charaerysyczą zmeej losowej Z - Y. Zadae.7 Fucja ( 4 + 9s + 9 ) f (, s) exp s s jes fucją charaerysyczą wymarowego rozładu ormalego. Wyzaczyć weor warośc oczewaych macerz owaracj ej zmeej losowej. Wyzaczyć gęsość ego rozładu. Zadae.8 Sysem słada sę z uładów z órych ażdy ma czas bezawaryjej pracy oreśloy rozładem wyładczym o paramerze a ezależym od drugego uładu. Wyzaczyć

22 L.Kowals Fucje zmeych losowych rozład bezawaryjego czasu pracy całego sysemu (sysem dzała jeśl oba ułady pracują). Y m(, ) Odp. Jes o rozład wyładczy o paramerze a + a. Zadae.9,,..., - ezależe zmee losowe o rozładze oreśloym gęsoścą f(x). Wyzaczyć rozład zmeej losowej Y m(,,..., ). (odp. G ( ( F( ) ; ( g f ( ( F ( ) ) Zadae.3,,..., - ezależe zmee losowe o rozładze oreśloym gęsoścą f(x). Wyzaczyć rozład zmeej losowej Y max(,,..., ). (odp. G( F ( ; g ( f ( F ( ) Zadae.3 Wyzaczyć gęsość rozładu logarymczo-ormalego. (l y m) (odp. σ g( e y ) σy π Zadae.3, Y - ezależe zmee losowe o rozładze oreśloym fucją prawdopodobeńswa P( ) /, P( ) 3/8, P( ) /8, Wyzacz fucję prawdopodobeńswa zmeej losowej + Y. Zadae.3 a), Y - ezależe zmee losowe o rozładze jedosajym w [, ]. Wyzacz gęsość zmeej losowej + Y. Wyzacz paramery ej zmeej losowej. b), Y, Z - ezależe zmee losowe o rozładze jedosajym w [, ]. Wyzacz gęsość zmeej losowej + Y + Z. Wyzacz paramery ej zmeej losowej. Zadae wyoaj sosując splo gęsośc a wy sprawdź za pomocą fucj charaerysyczych.

23 L.Kowals Fucje zmeych losowych Naszcuj porówaj wyresy gęsośc zmeych losowych, + Y, + Y + Z. Zauważ, że gdy rośe lczba rozparywaych sładów, wyres gęsośc saje sę podoby do rzywej Gaussa. Zadae.33 - zmea losowa odpowadająca merzoej welośc (załadamy, że ma rozład jedosajy w [, 8]), Y - ezależa od zmea losowa opsująca błąd pomaru (załadamy, że ma rozład ormaly N(, )). Wyzacz gęsość zmeej losowej odpowadającej wyow pomaru U + Y. Wyzacz paramery ej zmeej losowej. Zadae wyoaj sosując splo gęsośc a wy sprawdź za pomocą fucj charaerysyczych. Naszcuj wyres gęsośc zmeej losowej + Y. Zadae.34 Wyazać, że cąg zmeych losowych jes zbeży sochasycze do zera. Y ( m) Załadamy, że zmee losowe są ezależe o am samym rozładze sończoych momeach rzędu. Zadae.35 Sprawdź, że puowa graca cągu dysrybua (Ws. Wyazać zbeżość średowadraową) F x + ( x) gdy x gdy < x gdy x > jes fucją óra e jes dysrybuaą. Zadae.36 Rzucamy a), b), c) razy moeą. Oszacować sosując erówość Czebyszewa Bersea prawdopodobeńswo, że lczba orłów będze różć sę od warośc oczewaej o węcej ż 5%. 3

24 L.Kowals Fucje zmeych losowych Zadae.37 Wadomo, że 7% sudeów pewego wydzału WAT ończy suda w erme. Jeśl suda a ym wydzale rozpoczęło 6 sudeów, o oceń szasę uończea przez przyajmej 45 z ch sudów w erme. Zasosuj werdzee gracze. Zadae.37 Rzucamy 5 razy osą sześceą. Wyzaczyć prawdopodobeńswo ego, że częsość wypadaa jedy będze ależała do przedzału (/6,5; /6 +,5). Zadae.38 Ile razy ależy rzucć moeą aby z prawdopodobeńswem co ajmej,975 werdzć, że częsość wypadaa orła będze ależała do przedzału (,4;,6). Zadae.39 Ile razy ależy rzucć moeą aby z prawdopodobeńswem,95 werdzć, że częsość wypadaa orła będze różła sę od,5 co ajwyżej o,. Zadae.4 Wadlwość pewego wyrobu wyos %. Oblczyć prawdopodobeńswo, że wśród losowo wybraych szu ego wyrobu będze od 5 do szu wadlwych. Zadae.4 Zmea losowa Y jes średą arymeyczą 3 ezależych zmeych losowych o jedaowym rozładze o warośc oczewaej 3 waracj. Oblczyć prawdopodobeńswo, że Y przyjmuje warośc z przedzału (,95; 3,75). Zadae.4 Wedząc, że waracja ażdej z 45 ezależych zmeych losowych o jedaowym rozładze jes rówa 5, oszacować prawdopodobeńswo, że średa ych zmeych odchyl sę od jej warośc oczewaej e węcej ż o,4. L.Kowals,

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E będze zborem zdarzeń elemetarych daego dośwadczea. Fucję X(e) przyporządowującą ażdemu zdarzeu elemetaremu e E jedą tylo jedą lczbę X(e)=x azywamy ZMIENNĄ LOSOWĄ. Przyład:

Bardziej szczegółowo

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi. 3 Metody estymacj N ( µ, σ ) Wyzacz estymatory parametrów µ 3 Populacja geerala ma rozład ormaly mometów wyorzystując perwszy momet zwyły drug momet cetraly z prób σ metodą 3 Zmea losowa ma rozład geometryczy

Bardziej szczegółowo

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ Podstawowe pojęca rachuu prawdopodobeństwa: zdarzee losowe, zdarzee elemetare, prawdopodobeństwo, zbór zdarzeń elemetarych. Def. Nech E będze zborem

Bardziej szczegółowo

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 8. ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE 1 Zbieżość ciągu zmieych losowych z prawdopodobieństwem 1 (prawie apewo) Ciąg zmieych losowych (X ) jest

Bardziej szczegółowo

VI. TWIERDZENIA GRANICZNE

VI. TWIERDZENIA GRANICZNE VI. TWIERDZENIA GRANICZNE 6.. Wprowadzee Twerdzea gracze dotyczą własośc graczych cągów zmeych losowych dzelą sę a:! twerdzea lokale opsują zbeżośc cągu fukcj prawdopodobeństwa w przypadku cągu {X } zmeych

Bardziej szczegółowo

ROZKŁADY ZMIENNYCH LOSOWYCH

ROZKŁADY ZMIENNYCH LOSOWYCH ROZKŁADY ZMIENNYCH LOSOWYCH ZMIENNA LOSOWA Defcja. Zmeą losową jest fukcja: X: E -> R która każdemu zdarzeu elemetaremu E przypsuje lczbę rzeczywstą e X ( e) R DYSTRYBUANTA Dystrybuatą zmeej losowej X

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) ,,, ~ B, β ( β β ( ( Γ( β Γ + f ( Γ ( + ( + β + ( + β Γ + β Γ + Γ + β Γ + + β E Γ Γ β Γ Γ + + β Γ + Γ β + β β β Γ + β Γ + Γ + β Γ + + β E ( Γ Γ β Γ Γ + + β Γ + Γ β β + β Metoda mometów polega a przyrówau

Bardziej szczegółowo

Analiza Matematyczna Ćwiczenia. J. de Lucas

Analiza Matematyczna Ćwiczenia. J. de Lucas Aalza Matematycza Ćwczea J. de Lucas Zadae. Oblczyć grace astępujących fucj a lm y 3,y 0,0 b lm y 3 y ++y,y 0,0 +y c lm,y 0,0 + 4 y 4 y d lm y,y 0,0 3 y 3 e lm,y 0,0 +y 4 +y 4 f lm,y 0,0 4 y 6 +y 3 g lm,y

Bardziej szczegółowo

Funkcja generująca rozkład (p-two)

Funkcja generująca rozkład (p-two) Fucja geerująca rozład (p-wo Defiicja: Fucją geerującą rozład (prawdopodobieńswo (FGP dla zmieej losowej przyjmującej warości całowie ieujeme, azywamy: [ ] g E P Twierdzeie: (o jedozaczości Jeśli i są

Bardziej szczegółowo

Indukcja matematyczna

Indukcja matematyczna Iducja matematycza Twerdzee. zasada ducj matematyczej Nech T ozacza pewą tezę o lczbe aturalej. Jeżel dla pewej lczby aturalej 0 teza T 0 jest prawdzwa dla ażdej lczby aturalej 0 z prawdzwośc tezy T wya

Bardziej szczegółowo

. Wtedy E V U jest równa

. Wtedy E V U jest równa Prawdopodobeństwo statystyka 7.0.0r. Zadae Dwuwymarowa zmea losowa Y ma rozkład cągły o gęstośc gdy ( ) 0 y f ( y) 0 w przecwym przypadku. Nech U Y V Y. Wtedy E V U jest rówa 8 7 5 7 8 8 5 Prawdopodobeństwo

Bardziej szczegółowo

Reprezentacja krzywych...

Reprezentacja krzywych... Reprezeacja rzywych... Reprezeacja przy pomocy fcj dwóch zmeych rzywe płase płase - jedej: albo z z f x y x [ x x2] y [ y y2] f x y g x x [ x x2] Wady: rzywe óre dla pewych x y mogą przyjmować wele warośc

Bardziej szczegółowo

Zmiana bazy i macierz przejścia

Zmiana bazy i macierz przejścia Auomaya Roboya Algebra -Wyład - dr Adam Ćmel cmel@agh.edu.pl Zmaa bazy macerz prześca Nech V będze wymarową przesrzeą lową ad całem K. Nech Be e będze bazą przesrze V. Rozważmy ową bazę B e... e. Oczywśce

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ. W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Zadae. W ure zajduje sę 5 kul, z których 5 jest bałych czarych. Losujemy bez zwracaa kolejo po jedej kul. Kończymy losowae w momece, kedy wycągęte zostaą wszystke czare kule. Oblcz wartość oczekwaą lczby

Bardziej szczegółowo

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2 Pojęce przedzału ufośc Przyład: Rozważmy pewe rzad proces (tz. ta tórego lczba zajść podlega rozładow Possoa). W cągu pewego czasu zaobserwowao =3 tae zdarzea. Oceć możlwy przedzał lczby zdarzeń tego typu

Bardziej szczegółowo

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = = 4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ,

Bardziej szczegółowo

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1 POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw.

Bardziej szczegółowo

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów. Pradopodobeństo statystya 6..3r. Zadae. Rzucamy symetryczą moetą ta długo aż dóch olejych rzutach pojaą sę resz. Oblcz artość oczeaą lczby yoaych rzutó. (A) 7 (B) 8 (C) 9 (D) (E) 6 Wsazóa: jeśl rzuce umer

Bardziej szczegółowo

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84 Zadae. Zmea losowa X ma rozkład logarytmczo-ormaly LN (, ), gdze E ( X e X e) 4. Wyzacz. EX (A) 0,9 (B) 0,86 (C),8 (D),95 (E) 0,84 Zadae. Nech X, X,, X0, Y, Y,, Y0 będą ezależym zmeym losowym. Zmee X,

Bardziej szczegółowo

Matematyka II. x 3 jest funkcja

Matematyka II. x 3 jest funkcja Maemayka II WYKLD. Całka eozaczoa. Rachuek całkowy. Twerdzea o całkach eozaczoych. Całkowae wybraych klas fukcj. Całkowae fukcj wymerych. Całkowae fukcj rygoomeryczych.. Defcja fukcj perwoej. Fukcję F

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystyka 0.06.0 r. Zadae. Ura zawera kul o umerach: 0,,,,. Z ury cągemy kulę, zapsujemy umer kulę wrzucamy z powrotem do ury. Czyość tę powtarzamy, aż kula z każdym umerem zostae wycągęta

Bardziej szczegółowo

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Luy 03 PODRĘCZNIKI Wsęp do aalzy błędu pomarowego Joh R. Taylor Wydawcwo Naukowe PWN Warszawa 999 I Pracowa

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona: Zadae. W kolejych okresach czasu t =, ubezpeczoy, charakteryzujący sę parametrem ryzyka Λ, geeruje N t szkód. Dla daego Λ = λ zmee N, N są warukowo ezależe mają (brzegowe) rozkłady Possoa: k λ Pr( N t

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA STATYSTYKA MATEMATYCZNA WYKŁAD ESTYMACJA PUNKTOWA Nech - ezay parametr rozkładu cechy X. Wartość parametru będzemy estymować (przyblżać) a podstawe elemetowej próby. - wyberamy statystykę U o rozkładze

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych EAIB-Iormaa-Wład 9- dr Adam Ćmel cmel@.ag.edu.pl Racue różczow ucj welu zmec Z uwag a prosoę zapsu ławe erpreacje gracze ograczm sę jede do ucj lub zmec. Naurale uogólea wprowadzac pojęć a ucje zmec zosawam

Bardziej szczegółowo

ma rozkład normalny z nieznaną wartością oczekiwaną m

ma rozkład normalny z nieznaną wartością oczekiwaną m Zadae Każda ze zmeych losowych,, 9 ma rozkład ormaly z ezaą wartoścą oczekwaą m waracją, a każda ze zmeych losowych Y, Y,, Y9 rozkład ormaly z ezaą wartoścą oczekwaą m waracją 4 Założoo, że wszystke zmee

Bardziej szczegółowo

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( ) ( ) ( ) ( ) Praca Domowa:.. ( α β ( α β α β ( ( α Γ( β α,,..., ~ B, Γ + f Γ ( α + α ( α + β + ( α + β Γ α + β Γ α + Γ α + β Γ α + + β E Γ α Γ β Γ α Γ α + + β Γ α + Γ β α α + β β α β Γ α + β Γ α + Γ α + β Γ α + + β

Bardziej szczegółowo

ZMIENNE LOSOWE WIELOWYMIAROWE

ZMIENNE LOSOWE WIELOWYMIAROWE L.Kowals Zmee losowe welowmarowe ( ΩS P ZMIENNE LOSOWE WIELOWMIAROWE - ustaloa przestrzeń probablstcza. (... - zmea losowa - wmarowa (wetor losow cąg losow. : Ω R (fuca borelowsa P : Β R [0 - rozład zmee

Bardziej szczegółowo

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki: Zadae W loter berze udzał 0 osób. Regulam loter faworyzuje te osoby, które w elmacjach osągęły lepsze wyk: Zwycęzca elmacj, azyway graczem r. otrzymuje 0 losów, Osoba, która zajęła druge mejsce w elmacjach,

Bardziej szczegółowo

Plan: Wykład 3. Zmienne losowe i ich rozkłady. Wstęp do probabilistyki i statystyki. Pojęcie zmiennej losowej

Plan: Wykład 3. Zmienne losowe i ich rozkłady. Wstęp do probabilistyki i statystyki. Pojęcie zmiennej losowej --8 Wstęp do probablsty statysty Wyład. Zmee losowe ch rozłady dr hab.ż. Katarzya Zarzewsa, prof.agh, Katedra Eletro, WIET AGH Wstęp do probablsty statysty. wyład Pla: Pojęce zmeej losowej Iloścowy ops

Bardziej szczegółowo

Rachunek różniczkowy funkcji wielu zmiennych

Rachunek różniczkowy funkcji wielu zmiennych Iormaa - Wład 9 - dr Bogda Ćmel cmelbog@ma.ag.edu.pl Racue różczow ucj welu zmec Z uwag a prosoę zapsu ławe erpreacje gracze ograczm sę jede do ucj lub zmec. Naurale uogólea wprowadzac pojęć a ucje zmec

Bardziej szczegółowo

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X

PERMUTACJE Permutacją zbioru n-elementowego X nazywamy dowolną wzajemnie jednoznaczną funkcję f : X X X PERMUTACJE Permutacą zboru -elemetowego X azywamy dowolą wzaeme edozaczą fucę f : X X f : X X Przyład permutac X = { a, b, c, d } f (a) = d, f (b) = a, f (c) = c, f (d) = b a b c d Zaps permutac w postac

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne TATYTYKA MATEMATYCZNA WYKŁAD Wadomośc wstępe tatystyka to dyscypla aukowa, której zadaem jest wykrywae, aalza ops prawdłowośc występujących w procesach masowych. Populacja to zborowość podlegająca badau

Bardziej szczegółowo

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości Zadae. Nech Nech (, Y będze dwuwymarową zmeą losową o fukcj gęstośc 4 x + xy gdy x ( 0, y ( 0, f ( x, y = 0 w przecwym przypadku. S = + Y V Y E V S =. =. Wyzacz ( (A 0 (B (C (D (E 8 8 7 7 Zadae. Załóżmy,

Bardziej szczegółowo

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B W przypadku gdy e występuje statystyczy rozrzut wyków (wszystke pomary dają te sam wyk epewość pomaru wyzaczamy w y sposób. Główą przyczyą epewośc pomaru jest epewość

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIESTWA wybrane zagadnienia

RACHUNEK PRAWDOPODOBIESTWA wybrane zagadnienia L.Kowals Wybrae zagadea z rachuu prawdopodobestwa RACHUNEK PRAWDOPODOBIESTWA wybrae zagadea PRAWDOPODOBIESTWO Przyład Rozpatrzmy jao dowadczee losowe jedoroty rzut szece ost. Choca e potrafmy przewdze

Bardziej szczegółowo

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji Zadae. Zmea losowa (, Y, Z) ma rozkład ormaly z wartoścą oczekwaą E = EY =, EZ = 0 macerzą kowaracj. Oblczyć Var(( Y ) Z). (A) 5 (B) 7 (C) 6 Zadae. Zmee losowe,, K,,K P ( = ) = P( = ) =. Nech S =. Oblcz

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości Prawdopodobeństwo statystyka 4.0.00 r. Zadae Nech... będą ezależym zmeym losowym z rozkładu o gęstośc θ f ( x) = θ xe gdy x > 0. Estymujemy dodat parametr θ wykorzystując estymator ajwększej warogodośc

Bardziej szczegółowo

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu METODA RÓŻIC SKOŃCZOYCH (omówee a przykładze rówań lowych) ech ( rówaa różczkowe zwyczaje lowe I-rz.) lub jedo II-rzędu f / / p( x) f / + q( x) f + r( x) a x b, f ( a) α, f ( b) β dea: a satce argumetu

Bardziej szczegółowo

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej Podstawy Mary położea wskazują mejsce wartośc ajlepej reprezetującej wszystke welkośc daej zmeej. Mówą o przecętym pozome aalzowaej cechy. Średa arytmetycza suma wartośc zmeej wszystkch jedostek badaej

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka matematyczna. Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej

Rachunek prawdopodobieństwa i statystyka matematyczna. Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej Rachek prawdopodobeńswa saysyka maemaycza Esymacja przedzałowa paramerów srkralych zborowośc geeralej Częso zachodz syacja, że koecze jes zbadae ogół poplacj pod pewym kąem p. średa oce z pewego przedmo.

Bardziej szczegółowo

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą. Joaa Ceślak, aula Bawej ESTREA FUNCJI ESTREA FUNCJI JEDNEJ ZIENNEJ Otoczeem puktu R jest każdy przedzał postac,+, gdze >. Sąsedztwem puktu jest każdy zbór postac,,+, gdze >. Nech R, : R oraz ech. De. ówmy,

Bardziej szczegółowo

Pojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k

Pojęcie statystyki. Definicja. Wektorową funkcję mierzalną T: X T(X)=(T 1 (X),...,T k (X)) R k wymiarową statystyką. próby X nazywamy k Statystya Wyład Adam Ćmel A4 5 cmel@agh.edu.pl Pojęce statysty Pojęce statysty w statystyce matematyczej jest odpowedem pojęca zmeej losowej w rachuu prawdopodobeństwa. Nech X(X,...,X ) będze próbą z pewej

Bardziej szczegółowo

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982.

Wykłady z Analizy rzeczywistej i zespolonej w Matematyce stosowanej. Literatura. W. Rudin: Podstawy analizy matematycznej, PWN, Warszawa, 1982. Wyłady z Aalzy rzeczywstej zespoloej w Matematyce stosowaej Lteratura W Rud: Podstawy aalzy matematyczej, PWN, Warszawa, 1982 W Rud: Aalza rzeczywsta zespoloa, PZWS, Warszawa, 1986 W Szabat: Wstęp do aalzy

Bardziej szczegółowo

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem Ekstrapolacja Rchardsoa (szacowae błędu) dla daej, ustaloej metody błąd Mh zakładając, że M jest w przyblżeu ezależe od h I I + Mh h h/ / I I + Mh ekstrapolowaa wartość całk I I e I h / + Ih / ( I h )

Bardziej szczegółowo

będą niezależnymi zmiennymi losowymi o tym samym 2 x

będą niezależnymi zmiennymi losowymi o tym samym 2 x Prawdopodobeństwo statystyka 8.0.007 r. Zadae. Nech,,, rozkładze z gęstoścą Oblczyć m E max będą ezależym zmeym losowym o tym samym { },,, { },,, gdy x > f ( x) = x. 0 gdy x 8 8 Prawdopodobeństwo statystyka

Bardziej szczegółowo

Twierdzenia graniczne:

Twierdzenia graniczne: Twierdzeia graicze: Tw. ierówośd Markowa Jeżeli P(X > 0) = 1 oraz EX 0: P X k 1 k EX. Tw. ierówośd Czebyszewa Jeżeli EX = m i 0 < σ = D X 0: P( X m tσ) 1 t. 1. Z partii towaru o wadliwości

Bardziej szczegółowo

Podprzestrzenie macierzowe

Podprzestrzenie macierzowe Podprzestrzee macerzowe werdzee: Dla dwóch macerzy A B o tych samych wymarach zachodz: ( ) ( ) wersz a) R A R B A ~ B Dowód: wersz a) A ~ B stee P taka że PA B 3 0 A 4 3 0 0 E A B 0 0 0 E B 3 6 4 0 0 0

Bardziej szczegółowo

Równania rekurencyjne

Równania rekurencyjne Rówaa reurecyje Ja stosować do przelczaa obetów obatoryczych? zaleźć zwąze reurecyjy, oblczyć la początowych wartośc, odgadąć ogóly wzór, tóry astępe udowaday stosując ducję ateatyczą. W etórych przypadach,

Bardziej szczegółowo

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym? Oblczae średej, odchylea tadardowego meday oraz kwartyl w zeregu zczegółowym rozdzelczym? Średa medaa ależą do etymatorów tzw. tedecj cetralej, atomat odchylee tadardowe to etymatorów rozprozea (dyperj)

Bardziej szczegółowo

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH L.Kowalsk PODSTAWOWE TESTY STATYSTYCZNE TESTY STATYSTYCZNE poteza statystycza to dowole przypuszczee dotyczące rozkładu cechy X. potezy statystycze: -parametrycze dotyczą ezaego parametru, -parametrycze

Bardziej szczegółowo

STATYSTYKA. Zmienna losowa skokowa i jej rozkład

STATYSTYKA. Zmienna losowa skokowa i jej rozkład STATYSTYKA Wnosowane statystyczne to proces myślowy polegający na formułowanu sądów o całośc przy dysponowanu o nej ogranczoną lczbą nformacj Zmenna losowa soowa jej rozład Zmenną losową jest welość, tóra

Bardziej szczegółowo

8.1 Zbieżność ciągu i szeregu funkcyjnego

8.1 Zbieżność ciągu i szeregu funkcyjnego Rozdzał 8 Cąg szereg fukcyje 8.1 Zbeżość cągu szeregu fukcyjego Dla skrócea zapsu przyjmjmy pewe ozaczee. Defcja. Nech X, Y. Przez Y X ozaczamy zbór wszystkch fukcj określoych a zborze X o wartoścach w

Bardziej szczegółowo

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski Różczkowae fukcj rzeczywstych welu zmeych rzeczywstych Matematyka Studum doktoracke KAE SGH Semestr let 8/9 R. Łochowsk Pochoda fukcj jedej zmeej e spojrzee Nech f : ( α, β ) R, α, β R, α < β Fukcja f

Bardziej szczegółowo

i i i = (ii) TAK sprawdzamy (i) (i) NIE

i i i = (ii) TAK sprawdzamy (i) (i) NIE Egzam uaruszy z aźdzera 009 r. Maemaya Fasowa Zadae ( ) a a& a ( Da) a&& ( Ia) a a&& D I a a&& a a ( ) && ( ) 0 a a a 0 ( ) a 4 0 ( ) a () K srawdzamy () ( ) a& a ( ) a ( ) a&& a&& ( ) a&& ( ) a&& () NIE

Bardziej szczegółowo

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu.

Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu. W 1 Rachu maroeoomcze 1. Produ rajowy bruo Sprzedaż fala - sprzedaż dóbr usług osumeow lub frme, órzy osaecze je zużyują, e poddając dalszemu przeworzeu. Sprzedaż pośreda - sprzedaż dóbr usług zaupoych

Bardziej szczegółowo

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10) Tablca Galtoa. Mechaczy model rozkładu ormalego (M) I. Zestaw przyrządów: Tablca Galtoa, komplet kulek sztuk. II. Wykoae pomarów.. Wykoać 8 pomarów, wrzucając kulk pojedyczo.. Uporządkować wyk pomarów,

Bardziej szczegółowo

Lista 6. Kamil Matuszewski 26 listopada 2015

Lista 6. Kamil Matuszewski 26 listopada 2015 Lsta 6 Kaml Matuszews 6 lstopada 5 4 5 6 7 8 9 4 5 X X X X X X X X X X X D X X N Gdze X-spsae, D-Delarowae, N-edelarowae. Zadae Zadae jest westą odpowedego pomalowaa. Weźmy sobe szachowcę x, poumerujmy

Bardziej szczegółowo

Statystyka Matematyczna Anna Janicka

Statystyka Matematyczna Anna Janicka Statystyka Matematycza Aa Jacka wykład II, 3.05.016 PORÓWNANIE WIĘCEJ NIŻ DWÓCH POPULACJI TESTY NIEPARAMETRYCZNE Pla a dzsaj 1. Porówywae węcej ż dwóch populacj test jedoczykowej aalzy waracj (ANOVA).

Bardziej szczegółowo

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego). TESTY NORMALNOŚCI Test zgodośc Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład ormaly). Hpoteza alteratywa H1( Cecha X populacj e ma rozkładu ormalego). Weryfkacja powyższych hpotez za pomocą tzw. testu

Bardziej szczegółowo

Identyfikacja i ocena ryzyka wykonania planu produkcji w przedsiębiorstwie górniczym

Identyfikacja i ocena ryzyka wykonania planu produkcji w przedsiębiorstwie górniczym Prof. dr hab. ż. HENRYK PRZYBYŁA, dr hab. ż. STANISŁAW KOWALIK Poltecha Śląsa, Glwce Idetyfacja ocea ryzya wyoaa plau producj w przedsęborstwe górczym Artyuł opował prof. dr hab. ż. Adrzej Karbow. Wprowadzee

Bardziej szczegółowo

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5.

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5. RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5. PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Rozłady soowe Rozład jednopuntowy Oreślamy: P(X c) 1 gdzie c ustalona liczba. 1 EX c, D 2 X 0 (tylo ten rozład ma zerową wariancję!!!)

Bardziej szczegółowo

Matematyka ubezpieczeń majątkowych r.

Matematyka ubezpieczeń majątkowych r. Maemayka ubezpeczeń mająkowych 7.05.00 r. Zadane. Pewne ryzyko generuje jedną szkodę z prawdopodobeńswem q, zaś zero szkód z prawdopodobeńswem ( q). Ubezpeczycel pokrywa nadwyżkę szkody ponad udzał własny

Bardziej szczegółowo

Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 7 [ ] ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Analiza częstotliwościowa dyskretnych sygnałów cyfrowych

Teoria Sygnałów. III rok Informatyki Stosowanej. Wykład 7 [ ] ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Analiza częstotliwościowa dyskretnych sygnałów cyfrowych ora Sygałów III ro Ioray Sosowaj Wyła Rozważy sończoy sygał () spróboway z częsolwoścą : Aalza częsolwoścowa ysrych sygałów cyrowych p óra js wa razy węsza o częsolwośc asyalj a. Oblczy jgo rasorację Fourra.

Bardziej szczegółowo

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu

1. Element nienaprawialny, badania niezawodności. Model matematyczny elementu - dodatnia zmienna losowa T, określająca czas życia elementu Badaia iezawodościowe i saysycza aaliza ich wyików. Eleme ieaprawialy, badaia iezawodości Model maemayczy elemeu - dodaia zmiea losowa T, określająca czas życia elemeu Opis zmieej losowej - rozkład, lub

Bardziej szczegółowo

X i T (X) = i=1. i + 1, X i+1 i + 1. Cov H0. ( X i. k 31 ) 1 Φ(1, 1818) 0, 12.

X i T (X) = i=1. i + 1, X i+1 i + 1. Cov H0. ( X i. k 31 ) 1 Φ(1, 1818) 0, 12. Zadae p (X p (X ( ( π 6 6 e 6 X m ( π 6 6 e 6 ( X C e m 6 X, gdze staªa C e zale»y od statystyk X (X,, X 6, a m jest w ksze od zera Zatem p (X/p (X jest emalej c fukcj statystyk T (X 6 X ªatwo pokaza,»e

Bardziej szczegółowo

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5 L.Kowalsk zadaa ze statystyk opsowej-zestaw 5 Zadae 5. X cea (zł, Y popyt (tys. szt.. Mając dae ZADANIA Zestaw 5 x,5,5 3 3,5 4 4,5 5 y 44 43 43 37 36 34 35 35 Oblcz współczyk korelacj Pearsoa. Oblcz współczyk

Bardziej szczegółowo

Dane modelu - parametry

Dane modelu - parametry Dae modelu - paramer ˆ Ozaczea zmech a0 ax ax - osz w s. zł Budowa modelu: x - welość producj w seach o x - welość zarudea w osobach Meoda MNK Dae: x x 34 9 0 60 34 9 0 60 35 3 7 35 3 7 X T 0 9 3 4 5 3

Bardziej szczegółowo

R k Punkty stanowiące granice poszczególnych klas ustala się z dokładnością do /2, gdzie jest

R k Punkty stanowiące granice poszczególnych klas ustala się z dokładnością do /2, gdzie jest Nech Elemey Saysy Opsowej Szereg rozdzelczy hsogram łamaa częsośc ędze -elemeową próą Rozsępem z pró azywamy R ma m rzy węszej lczośc pró ( 30) w celu uławea aalzy daych warośc lczowe pró grupuje sę w

Bardziej szczegółowo

SPOŁECZNA AKDAEMIA NAUK W ŁODZI

SPOŁECZNA AKDAEMIA NAUK W ŁODZI SPOŁECZNA AKDAEMIA NAUK W ŁODZI KIERUNEK STUDIÓW: ZARZĄDZANIE PRZEDMIOT: METODY ILOŚCIOWE W ZARZĄDZANIU (MATERIAŁ POMOCNICZY PRZEDMIOT PODSTAWOWY ) Łódź Sps treśc Moduł Wprowadzee do metod loścowych w

Bardziej szczegółowo

Statystyczne charakterystyki liczbowe szeregu

Statystyczne charakterystyki liczbowe szeregu Statystycze charakterystyk lczbowe szeregu Aalzę badaej zmeej moża uzyskać posługując sę parametram opsowym aczej azywaym statystyczym charakterystykam lczbowym szeregu. Sytetycza charakterystyka zborowośc

Bardziej szczegółowo

Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości parametrów rozkładu populacji.

Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości parametrów rozkładu populacji. Botatytyka, 018/019 dla Fzyk Medyczej, tuda magterke etymacja etymacja średej puktowa przedzał ufośc średej rozkładu ormalego etymacja puktowa przedzałowa waracj rozkładu ormalego etymacja parametrów rozkładu

Bardziej szczegółowo

Pobieranie próby. Rozkład χ 2

Pobieranie próby. Rozkład χ 2 Graficzne przedsawianie próby Hisogram Esymaory przykład Próby z rozkładów cząskowych Próby ze skończonej populacji Próby z rozkładu normalnego Rozkład χ Pobieranie próby. Rozkład χ Posać i własności Znaczenie

Bardziej szczegółowo

Podstawy opracowania wyników pomiarowych, analiza błędów

Podstawy opracowania wyników pomiarowych, analiza błędów Podstawy opracowaa wyków pomarowych, aalza błędów I Pracowa Fzycza IF UJ Grzegorz Zuzel Lteratura I Pracowa fzycza Pod redakcją Adrzeja Magery Istytut Fzyk UJ Kraków 2006 Wstęp do aalzy błędu pomarowego

Bardziej szczegółowo

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min Fukca warogodośc Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x;. Fukcą warogodośc dla próby x azywamy welkość: ( x; f ( x ; L Twerdzee (Cramera-Rao: Mmala wartość warac m dowolego eobcążoego

Bardziej szczegółowo

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3

i = 0, 1, 2 i = 0, 1 33,115 1,698 0,087 0,005!0,002 34,813 1,785 0,092 0,003 36,598 1,877 0,095 38,475 1,972 40,447 i = 0, 1, 2, 3 35 Iterpoaca Herte a 3 f ( x f ( x,,, 3, 4 f ( x,,, 3 f ( x,, 3 f ( x, 4 f ( x 33,5,698,87,5!, 34,83,785,9,3 36,598,877,95 38,475,97 4,447 Na podstawe wzoru (38 ay zate 87,, 5, L4 ( t 335, +, 698t+ t(

Bardziej szczegółowo

1. Relacja preferencji

1. Relacja preferencji dr Mchał Koopczyńsk EKONOMIA MATEMATYCZNA Wykłady, 2, 3 (a podstawe skryptu r 65) Relaca preferec koszyk towarów: przestrzeń towarów: R + = { x R x 0} x = ( x,, x ) X X R+ x 0 x 0 =, 2,, x~y xf y x y x

Bardziej szczegółowo

Konspekt wykładu STATYSTYKA MATEMATYCZNA rok 2007/2008 Strona 1

Konspekt wykładu STATYSTYKA MATEMATYCZNA rok 2007/2008 Strona 1 Kospet wyładu STATYSTYKA MATEMATYCZNA ro 7/8 Stroa Języ prawdopodobeństwo jego rozład Pojęce rozładu prawdopodobeństwa lczby z totolota jao zmee losowe o rozładze sretym zmea losowa częstoścowa defcja

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 4 Nieparametryczne testy istotności ZADANIE DOMOWE. Strona 1

KURS STATYSTYKA. Lekcja 4 Nieparametryczne testy istotności ZADANIE DOMOWE.  Strona 1 KURS STATYSTYKA Lecja 4 Nearametrycze testy stotośc ZADANIE DOMOWE www.etraez.l Stroa 1 Część 1: TEST Zazacz orawą odowedź (tylo jeda jest rawdzwa). Pytae 1 W testach earametryczych a) Oblczamy statystyę

Bardziej szczegółowo

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7 6. Przez 0 losowo wybrayh d merzoo zas dojazdu do pray paa A uzyskują próbkę x,..., x 0. Wyk przedstawały sę astępująo: jest to próbka losowa z rozkładu 0 0 x 300, 944. x Zakładamy, że N ( µ, z ezaym parametram

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

STATYSTYKA 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 szczegółowo

będzie próbką prostą z rozkładu normalnego ( 2

będzie próbką prostą z rozkładu normalnego ( 2 Zadae. eh K będze próbką prostą z rozkładu ormalego ( μ σ ) zaś: ( ) S gdze:. Iteresuje as względy błąd estymaj: σ R S. σ rzy wartość ozekwaa E R jest rówa ( ) (A).8 (B).9 (C). (D). (E). Zadae. eh K K

Bardziej szczegółowo

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1) Wykład 2 Sruna nieograniczona 2.1 Zagadnienie Cauchy ego dla równania jednorodnego Równanie gań sruny jednowymiarowej zapisać można w posaci 1 2 u c 2 2 u = f(x, ) dla x R, >, (2.1) 2 x2 gdzie u(x, ) oznacza

Bardziej szczegółowo

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b,

21. CAŁKA KRZYWOLINIOWA NIESKIEROWANA. x = x(t), y = y(t), a < t < b, CAŁA RZYWOLINIOWA NIESIEROWANA rzywą o rówaiach parameryczych: = (), y = y(), a < < b, azywamy łukiem regularym (gładkim), gdy spełioe są asępujące waruki: a) fukcje () i y() mają ciągłe pochode, kóre

Bardziej szczegółowo

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym Pomary bezpośrede pośrede obarczoe błędem przypadkowym I. Szacowae wartośc przyblŝoej graczego błędu przypadkowego a przykładze bezpośredego pomaru apęca elem ćwczea jest oszacowae wartośc przyblŝoej graczego

Bardziej szczegółowo

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

STATYKA. Cel statyki. Prof. Edmund Wittbrodt STATYKA Cel statyk Celem statyk jest zastąpee dowolego układu sł ym, rówoważym układem sł, w tym układem złożoym z jedej tylko sły jedej pary sł (redukcja do sły mometu główego) lub zbadae waruków, jake

Bardziej szczegółowo

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA Aaliza iepewości pomiarowych w esperymetach fizyczych Ćwiczeia rachuowe TEST ZGODNOŚCI χ PEARSONA ROZKŁAD GAUSSA UWAGA: Na stroie, z tórej pobrałaś/pobrałeś istrucję zajduje się gotowy do załadowaia arusz

Bardziej szczegółowo

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy

Wykład 7. Przestrzenie metryczne zwarte. x jest ciągiem Cauchy ego i posiada podciąg zbieżny. Na mocy Wyład 7 Przestrzeie metrycze zwarte Defiicja 8 (przestrzei zwartej i zbioru zwartego Przestrzeń metryczą ( ρ X azywamy zwartą jeśli ażdy ciąg elemetów tej przestrzei posiada podciąg zbieży (do putu tej

Bardziej szczegółowo

JEDNOWYMIAROWA ZMIENNA LOSOWA

JEDNOWYMIAROWA ZMIENNA LOSOWA JEDNOWYMIAROWA ZMIENNA LOSOWA Nech E bedze zborem zdarzen elementarnych danego doswadczena. Funcje X(e) przyporzadowujaca azdemu zdarzenu elementarnemu e E jedna tylo jedna lczbe X(e)x nazywamy ZMIENNA

Bardziej szczegółowo

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych dr Ewa Wycka Wyższa Szkoła Bakowa w Gdańsku Wtold Komorowsk, Rafał Gatowsk TZ SKOK S.A. Statystycza aalza mesęczych zma współczyka szkodowośc kredytów hpoteczych Wskaźk szkodowośc jest marą obcążea kwoty/lczby

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8 Stasław Cchock Natala Nehreecka Zajęca 7-8 . Testowae łączej stotośc wyraych regresorów. Założea klasyczego modelu regresj lowej 3. Własośc estymatora MNK w KMRL Wartość oczekwaa eocążoość estymatora Waracja

Bardziej szczegółowo

Metoda Monte-Carlo i inne zagadnienia 1

Metoda Monte-Carlo i inne zagadnienia 1 Metoda Mote-Carlo e zagadea Metoda Mote-Carlo Są przypadk kedy zamast wykoać jakś eksperymet chcelbyśmy symulować jego wyk używając komputera geeratora lczb (pseudolosowych. Wększość bblotek programów

Bardziej szczegółowo

Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe

Niezawodność. systemów nienaprawialnych. 1. Analiza systemów w nienaprawialnych. 2. System nienaprawialny przykładowe Nezawoość sysemów eaprawalych. Aalza sysemów w eaprawalych. Sysemy eaprawale - przykłaowe srukury ezawooścowe 3. Sysemy eaprawale - przykłay aalzy. Aalza sysemów w eaprawalych Sysem eaprawaly jes o sysem

Bardziej szczegółowo

Rozkład normalny (Gaussa)

Rozkład normalny (Gaussa) Rozład ormaly (Gaussa) Wyprowadzeie rozładu Gaussa w modelu Laplace a błędów pomiarowych. Rozważmy pomiar wielości m, tóry jest zaburzay przez losowych efetów o wielości e ażdy, zarówo zaiżających ja i

Bardziej szczegółowo

Prawdopodobieństwo i statystyka r.

Prawdopodobieństwo i statystyka r. Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =

Bardziej szczegółowo

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2 Permutacje { 2,,..., } Defcja: Permutacją zboru lczb azywamy dowolą różowartoścową fukcję określoą a tym zborze o wartoścach w tym zborze. Uwaga: Lczba wszystkch permutacj wyos! Permutacje zapsujemy w

Bardziej szczegółowo

Funkcja wiarogodności

Funkcja wiarogodności Fukca warogodośc Defca: Nech będze daa próba losowa prosta o lczebośc z rozkładu f (x; θ. Fukcą warogodośc dla próby x azywamy welkość: ( x; θ f ( x ; θ L Uwaga: Fukca warogodośc to e to samo co łącza

Bardziej szczegółowo

AKADEMIA MORSKA W SZCZECINIE

AKADEMIA MORSKA W SZCZECINIE AKADEMIA MORSKA W SZCZECINIE Istytut Iżyer Ruchu Morskego Zakład Urządzeń Nawgacyjych Istrukcja r 0 Wzory do oblczeń statystyczych w ćwczeach z radoawgacj Szczec 006 Istrukcja r 0: Wzory do oblczeń statystyczych

Bardziej szczegółowo