Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Podobne dokumenty
8. Udowodnić, że: a) macierz X X jest macierzą symetryczną; b) jeśli M jest macierzą idempotentną, o wyznaczniku różnym od 0, to M = I;

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

Lista 6. Estymacja punktowa

θx θ 1, dla 0 < x < 1, 0, poza tym,

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

Prawdopodobieństwo i statystyka r.

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n.

Twierdzenia graniczne:

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Matematyka ubezpieczeń majątkowych r.

0.1 ROZKŁADY WYBRANYCH STATYSTYK

1 Twierdzenia o granicznym przejściu pod znakiem całki

STATYSTYKA MATEMATYCZNA

16 Przedziały ufności

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

Statystyka matematyczna. Wykład II. Estymacja punktowa

KADD Metoda najmniejszych kwadratów

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

ZADANIA NA ĆWICZENIA 3 I 4

Estymacja przedziałowa

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej).

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że:

Rozkład normalny (Gaussa)

Prawdopodobieństwo i statystyka r.

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Zasada indukcji matematycznej. Dowody indukcyjne.

Prawdopodobieństwo i statystyka r.

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

STATYSTYKA I ANALIZA DANYCH

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)

STATYSTKA I ANALIZA DANYCH LAB II

Estymacja punktowa i przedziałowa

n n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc

UKŁADY RÓWNAŃ LINOWYCH

Kurs Prawdopodobieństwo Wzory

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).

2 n < 2n + 2 n. 2 n = 2. 2 n 2 +3n+2 > 2 0 = 1 = 2. n+2 n 1 n+1 = 2. n+1

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).

Matematyka ubezpieczeń majątkowych r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Relacje rekurencyjne. będzie następująco zdefiniowanym ciągiem:

Parametryzacja rozwiązań układu równań

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

0.1 Statystyczne Podstawy Modelu Regresji

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15

STATYSTYKA MATEMATYCZNA. WYKŁAD 0 (powt. wiadomości z r. p-stwa)

Statystyka Matematyczna Anna Janicka

Komputerowa analiza danych doświadczalnych

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś

Elementy rach. macierzowego Materiały pomocnicze do MES Strona 1 z 7. Elementy rachunku macierzowego

Twierdzenie Cayleya-Hamiltona

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

3. Wykład III: Warunki optymalności dla zadań bez ograniczeń

Wykład 11 ( ). Przedziały ufności dla średniej

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

MACIERZE STOCHASTYCZNE

Zmienna losowa N ma rozkład ujemny dwumianowy z parametrami (, q) = 7,

Poziom rozszerzony. 5. Ciągi. Uczeń:

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

1 Układy równań liniowych

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem

O trzech elementarnych nierównościach i ich zastosowaniach przy dowodzeniu innych nierówności

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

P ( i I A i) = i I P (A i) dla parami rozłącznych zbiorów A i. F ( ) = lim t F (t) = 0, F (+ ) = lim t + F (t) = 1.

Wektory Funkcje rzeczywiste wielu. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

Komputerowa analiza danych doświadczalnych

Przykładowe zadania dla poziomu rozszerzonego

Statystyka Matematyczna Anna Janicka

Komputerowa analiza danych doświadczalnych

Zadania z analizy matematycznej - sem. I Szeregi liczbowe

Model ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.

Podprzestrzenie macierzowe

Estymatory nieobciążone o minimalnej wariancji

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka

PODSTAWY BIOSTATYSTYKI ĆWICZENIA

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

LUBELSKA PRÓBA PRZED MATURĄ 2015 poziom podstawowy. Liczba punktów Wyznaczenie pierwszej współrzędnej wierzchołka paraboli: x.

Komputerowa analiza danych doświadczalnych

Wyższe momenty zmiennej losowej

Funkcja generująca rozkład (p-two)

ZMIENNA LOSOWA I JEJ PARAMETRY -powtórzenie

TESTY LOSOWOŚCI. Badanie losowości próby - test serii.

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Transkrypt:

Zad Dae są astępujące macierze: A =, B, C, D, E 0. 0 = = = = 0 Wykoaj astępujące działaia: a) AB, BA, C+E, DE b) tr(a), tr(ed), tr(b) c) det(a), det(c), det(e) d) A -, C Jeśli działaia są iewykoale, to proszę wyjaśić dlaczego. Zad Udowodić, że każda symetrycza macierz idempoteta jest określoa ieujemie. (Wskazówka: z założeń: M = M, MM = M, czyli M M = M. Trzeba pokazać, że dla każdego c 0 c Mc 0. ) Zad Pokazać, że det( A ) = det( A) (Wskazówka: AA I AB = A B ). = oraz det( ) det( ) det( ) Zad Czy macierz A = oparciu o zadaie 7 z ćwiczeń. jest macierzą idempotetą? Proszę odpowiedzieć w Zad 5 Daa jest fukcja f ( x, x) = 5x + x xx x +. Wyzacz ekstrema (określić typ miimum czy maksimum lokale). Zad 6 Daa jest fukcja f ( x, x) = x + x xx. Czy pukt (,) jest puktem ekstremalym? (Wskazówka: wystarczy sprawdzić czy pukt (,) spełia warukek koieczy a istieie ekstremum lokalego). Zad 7 Sprawdź, że macierz jest określoa dodatio. Proszę pokazać to a dwa sposoby: z defiicji oraz stosując kryterium, że d > 0, d > 0. Zad 8

x Niech x = x będzie wektorem losowym takim, że: x obliczyć: E( x + x + 5 x ) a) b) Var x x + x ( ) c) corr x x x ( +, ) (korelacja) (Wskazówka: corr( x x, x ) E( x) =, Var 0 =. Proszę 0 cov( x + x, x ) + = Var x + x Var x ) ( ) ( ) Zad 9 x Niech x = x będzie wektorem losowym takim że: E( x) =, Var =. x x + obliczyć wartość oczekiwaą i wariację wektora losowego y = x x. + Proszę Zad 0 Niech X będzie zmieą losową. Ile wyosi corr( ax + b, X ), gdzie a,b są liczbami cov( ax + b, X ) rzeczywistymi? (Wskazówka: corr( ax + b, X ) = oraz cov( b, X ) = 0 ) Var ( ax + b) Var ( X ) Zad Mamy wektor x ~ N ( µ, ), gdzie y x + x? = x x + µ =,. = Jaki rozkład ma wektor losowy Zad a) Niech X i Y będą iezależymi zmieymi losowymi. Czemu jest rówe E( X + XY Y)? (Wskazówka: Należy skorzystać z astępujących własości warukowej wartości oczekiwaej: E( ay + by X ) = ae( Y X ) + be( Y X ) ; X i Y są iezależe, to E( Y X ) = EY; E( a X ) = a gdzie a ozacza skalar oraz jeżeli Z = f ( X ), to E( ZY X ) = ZE( Y X ) ) b) Proszę obliczyć E( Y ), jeśli E( X ) =, E( Y X ) = X. Zad Niech X,..., X 6 (=6) będą iezależymi zmieymi losowymi o rozkładzie N = ( µ, ). Defiiujemy astępujący estymator parametru µ : ˆ µ = X. a) Wyzacz wartość oczekiwaą i wariację ˆ. µ Czy jest to estymator ieobciążoy? Jaki rozkład ma ˆ µ? (Wskazówka: Sumując zmiee losowe z rozkładu ormalego i przemażając przez skalar otrzymujemy rozkład ormaly, a u w zadaiu mamy: ˆ µ X i= = = X ; trzeba tylko określić średią i wariację) i

b) Załóżmy dodatkowo, że: = i X =. Wyzacz 95% przedział ufości dla X µ. (Wskazówka: Jeżeli X ~ N( m, ), to m ~ N(0,). Jaki rozkład ma X µ? ) c) Przy daych z podpuktu b) przetestuj hipotezę H : 0 0 µ = a poziomie istotości 0,05. (Wskazówka: Należy użyć X µ jako statystyki testowej). W podpukcie b) i c) będzie potrzeby kwatyl rzędu 0,975 z rozkładu ormalego stadardowego: u 0,975 =,96. Zad Niech X ~ N( µ, ), X ~ N( µ, ) oraz X i X są iezależe. Defiiujemy estymator parametru µ w astępujący sposób: ˆ µ = a X + a X. a) Wyzaczyć a, a w taki sposób, aby ˆµ był estymatorem ieobciążoym o miimalej wariacji. b) Jaki rozkład ma ˆµ, dla uzyskaych w podpukcie a) wartości a, a? Zad 5 Rzucamy 0 razy symetryczą moetą. Niech X ozacza liczbę orłów w pierwszych czterech rzutach, atomiast Y ozacza łączą liczbę uzyskaych orłów w 0 rzutach. Obliczyć E( Y X ). (Wskazówka: Niech Z ozacza liczbę orłów w 6 ostatich rzutach. Wówczas: Y = X + Z E( Y X ) = E( X + Z X ) i korzystamy z własości warukowej wartości oczekiwaej). Zad 6 Z defiicji kowariacji pokazać, że dla a, b, c, d R oraz dowolych zmieych losowych X i Y zachodzi: cov( ax + b, cy + d) = ac cov( X, Y ). Zad 7 Zmiea losowa X ma wariację rówą / oraz cov( X, Y ) =. Dla jakiej wartości stałej c, zmiee losowe X i Y cx są ieskorelowae? Przykładowa kartkówka: Zadaie Zazacz, czy podae stwierdzeie jest prawdziwe czy fałszywe (poprawa odpowiedź: pkt, brak odpowiedzi: 0 pkt, ieporawa odpowiedź: pkt). a) Niech A będzie macierzą wymiaru x. Z tego, że det( A ) = 007 wyika, że macierz A ie może być ujemie określoa. PRAWDA / FAŁSZ Stwierdzeie jest prawdziwe, poieważ macierz A wymiaru x jest ujemie określoa d < 0, d > 0, d < 0. Zgodie z treścią zadaia d = det( A) = 007 > 0, czyli A ie koże być ujemie określoa. β Aβ b) Jeśli macierz A jest macierzą symetryczą, to β = Aβ. PRAWDA / FAŁSZ Uzasadieie prawdziwości stwierdzeia zajduje się w materiałach powtórkowych z aalizy.

c) det( ABC) = det( A )det( B )det( C ) PRAWDA / FAŁSZ Korzystamy z det( ABC) = det( A)det( B)det( C) oraz faktu, że wyzaczik dowolej macierzy i macierzy do iej traspoowaej są sobie rówe. d) Istieje ieskończeie wiele symetryczych macierzy idempotetych, których ślad wyosi 007. PRAWDA / FAŁSZ Korzystamy z twierdzeia: symetrycza macierz idempoteta M ma wartości włase rówe 0 lub oraz r( M ) = tr( M ). Poieważ zawsze r( M ) 0, to ślad ie może być ujemy. Zadaie a) Udowodij, że macierz X X jest macierzą symetryczą. b) Pokazać, że ( AB) = B A. Rozwiązaie a) Pytaie czy zachodzi X X = ( X X )? Skorzystamy z faktu, że ( AB) = B A : ( X X ) = X ( { X ) = X X X b) ( AB) = B A A przemażamy z prawej stroy ( AB) A = B { A A B przemażamy z prawej stroy ({ AB) { AB = { B B C C I C C = I I Zadaie Daa jest fukcja f ( x, x ) = x + x x x. Czy pukt (,) jest puktem ekstremalym? Rozwiązaie Wyzaczamy gradiet: f x x x = x x + Sprawdzamy, czy gradiet zeruje się w pukcie (,): f * 0 x (,) = = + * 0 czyli pukt (,) ie może być puktem ekstremalym. Zadaie Zazacz, czy podae stwierdzeie jest prawdziwe czy fałszywe (poprawa odpowiedź: pkt, brak odpowiedzi: 0 pkt, iepoprawa odpowiedź: pkt). a) Jeśli E( Y X ) = EY, to X i Y muszą być iezależymi zmieymi losowymi o rozkładzie ormalym. PRAWDA / FAŁSZ E( Y X ) = EY - zachodzi dla dowolych iezależych zmieych losowych, założeie o ormalości rozkładu jest iepotrzebe. b) Błąd drugiego rodzaju, to prawdopodobieństwo odrzuceia hipotezy H, 0 gdy jest oa prawdziwa. PRAWDA / FAŁSZ

Jest to defiicja błędu pierwszego rodzaju. c) Niech g( θ ) będzie fukcją iezaego parametru. Rozważmy dwie statystyki g = g( X,..., X ) i g = g( X,..., X ). Mówimy, że [ g, g ] jest przedziałem ufości dla g( θ ) a poziomie ufości α, jeśli dla każdego θ zachodzi: P( g( X,..., X ) g( θ ) g( X,..., X )) < α. PRAWDA / FAŁSZ W defiicji przedziału ufości mamy, że P( g( X,..., X ) g( θ ) g( X,..., X )) α. Zadaie 5 Mamy wektor x ~ N ( µ, ), gdzie y x + x? = x x + Rozwiązaie µ =,. = Jaki rozkład ma wektor losowy x + x x y = x x = + x - y powstaje w wyiku afiiczego przekształceia + { B a wektora losowego, który ma rozkład ormaly, więc rówież będzie miał rozkład ormaly. Pozostaje tylko wyzaczyć wartość oczekiwaą i macierz wariacji-kowariacji: E( x ) + E( x) + * 9 E( y) = = = E( x ) E( x) + * * + Wyzaczając wariację skorzystamy z faktu: dla dowolego wektora losowego ε, wektora ielosowego a i macierzy ielosowej B: Var( a + Bε ) = BVar( ε ) B. Var( y) = = 9 Czyli ostateczie otrzymujemy: y ~ N ; Zadaie 6 Niech X,..., X 6 (=6) będą iezależymi zmieymi losowymi o rozkładzie N = ( µ, ). Defiiujemy astępujący estymator parametru µ : ˆ µ = X. Załóżmy dodatkowo, że: = i X =. Wyzacz 95% przedział ufości dla µ. Do rozwiązaia zadaia potrzeby będzie kwatyl rzędu 0,975 z rozkładu ormalego stadardowego: u 0,975 =,96. Rozwiązaie Zaczyamy od wyzaczeia rozkładu ˆ µ = X = ( X +... + X ).... ~ ( µ, ) Z = X + + X N - zmiea losowa będąca sumą iezależych zmieych losowych o rozkładzie ormalym N ( µ, ) dalej ma rozkład ormaly. Wartość oczekiwaą i wariację Z wyzaczamy w astępujący sposób: 5

E( Z) = E( X ) +... + E( X ) = µ, µ µ Var Z Var X X ( ) = ( +... + ) = {Wariacja sumy iezależych zmieych losowych jest rówa sumie wariacji tych zmieych losowych}= Var( X) +... + Var( X ) = Następie zmieą losową Z o rozkładzie ormalym przemażamy przez / jest to przekształceie liiowe, więc w wyiku otrzymamy zmieą losową także o rozkładzie ormalym. Poiżej wyzaczamy wartość oczekiwaą i wariację: E( X ) = E( Z) = { E( Z) = µ µ Var( Z ) = Var( Z) = Czyli ostateczie otrzymujemy: ~ (, ). X N µ Następie dokoujemy stadaryzacji zmieej losowej X - odejmujemy średią i dzielimy przez odchyleie stadardowe: X µ X µ = ~ N(0,). Uzyskaa zmiea losowa dalej ma rozkład ormaly, gdyż powstaje w wyiku liiowego przekształceia zmieej o rozkładzie ormalym. Poiżej wyliczamy wartość oczekiwaą i wariację: X µ E( ) = ( { E( X ) µ ) = 0 µ X µ Var( ) = Var( X µ ) = Var( X ) = Przechodzimy do wyzaczeia przedziału ufości. Wiemy, że u 0,975 =,96 jest kwatylem rzędu 0,975 dla rozkładu ormalego stadardowego, czyli F( u 0,975) = 0,975, gdzie F jest dystrybuatą rozkładu ormalego stadardowego. Korzystając z symetryczości tego rozkładu mamy, że u = u Liczymy astępujące prawdopodobieństwo: 0,05 0,975. P( u u ) = F( u ) F( u ) = 0,975 0,05 = 0,95 X µ 0,05 0,975 0,975 0,05 Przekształcamy podwóją ierówość w taki sposób, aby pośrodku został samo µ : P( u u ) = P( u X µ u ) = P( X + u µ X + u ) = X µ 0,05 0,975 0,05 0,975 0,05 0,975 P( X u0,975 µ X u0,05 ) = { u 0,05 = u 0,975 } = P( X u0,975 µ X + u0,975 ) Czyli poszukiway przedział ufości ma postać: [ ; ] [,96* ;,96* X u X + u = + ] = [0,0;,98] 0,975 0,975 6 6 6