Deska Galtona. Adam Osękowski. Instytut Matematyki, Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski

Podobne dokumenty
Prawa wielkich liczb, centralne twierdzenia graniczne

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe

Metody probabilistyczne

Wykład 3 Jednowymiarowe zmienne losowe

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

Statystyka matematyczna

Ćwiczenia: Ukryte procesy Markowa lista 1 kierunek: matematyka, specjalność: analiza danych i modelowanie, studia II

Podstawy nauk przyrodniczych Matematyka

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

III. ZMIENNE LOSOWE JEDNOWYMIAROWE

Wykład Centralne twierdzenie graniczne. Statystyka matematyczna: Estymacja parametrów rozkładu

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

Wykład 4. Plan: 1. Aproksymacja rozkładu dwumianowego rozkładem normalnym. 2. Rozkłady próbkowe. 3. Centralne twierdzenie graniczne

Zmienna losowa i jej rozkład Dystrybuanta zmiennej losowej Wartość oczekiwana zmiennej losowej

Rozkłady zmiennych losowych

Metody Statystyczne. Metody Statystyczne.

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Zmienne losowe i ich rozkłady

Zmienna losowa. Rozkład skokowy

Estymacja parametrów w modelu normalnym

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 3 - model statystyczny, podstawowe zadania statystyki matematycznej

Metody probabilistyczne

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n)

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

Rozkłady prawdopodobieństwa zmiennych losowych

MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ

Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 1) Dariusz Gozdowski

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

Biostatystyka, # 3 /Weterynaria I/

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych

Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia.

Metody probabilistyczne

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

STATYSTYKA I DOŚWIADCZALNICTWO

Jednowymiarowa zmienna losowa

Rachunek prawdopodobieństwa i statystyka

6. Zmienne losowe typu ciagłego ( ) Pole trapezu krzywoliniowego

Ważne rozkłady i twierdzenia

Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX = 4 i EY = 6. Rozważamy zmienną losową Z =.

Drugie kolokwium z Rachunku Prawdopodobieństwa, zestaw A

Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.

MODELOWANIE RZECZYWISTOŚCI

7. Estymacja parametrów w modelu normalnym( ) Pojęcie losowej próby prostej

Pojęcie szeregu nieskończonego:zastosowania do rachunku prawdopodobieństwa wykład 1

Ważne rozkłady i twierdzenia c.d.

Zestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) =

Przestrzeń probabilistyczna

PODSTAWY WNIOSKOWANIA STATYSTYCZNEGO czȩść I

Sieci Mobilne i Bezprzewodowe laboratorium 1

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

Z Wikipedii, wolnej encyklopedii.

Spis treści 3 SPIS TREŚCI

6.4 Podstawowe metody statystyczne

Metody probabilistyczne

Wybrane rozkłady zmiennych losowych. Statystyka

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

Statystyka i eksploracja danych

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

Laboratorium nr 7. Zmienne losowe typu skokowego.

PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty

Rozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej

STATYSTYKA wykład 5-6

Statystyka Matematyczna Anna Janicka

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa

Wykład 2 Zmienne losowe i ich rozkłady

Rozkłady statystyk z próby

Rachunek prawdopodobieństwa

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 1 i 2

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 7 i 8 - Efektywność estymatorów, przedziały ufności

Testowanie hipotez statystycznych.

Ćwiczenia 3 ROZKŁAD ZMIENNEJ LOSOWEJ JEDNOWYMIAROWEJ

Elementy Rachunek prawdopodobieństwa

Z poprzedniego wykładu

STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1

Rozkłady prawdopodobieństwa

II WYKŁAD STATYSTYKA. 12/03/2014 B8 sala 0.10B Godz. 15:15

Zakładamy, że są niezależnymi zmiennymi podlegającymi (dowolnemu) rozkładowi o skończonej wartości oczekiwanej i wariancji.

4,5. Dyskretne zmienne losowe (17.03; 31.03)

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA

Metody probabilistyczne

Dyskretne zmienne losowe

Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego

Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu.

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA

2. Empiryczna wersja klasyfikatora bayesowskiego

Przykłady do zadania 8.1 : 0 dla x 1, c x 4/3 dla x > 1. (b) Czy można dobrać stałą c tak, aby funkcja f(x) = była gęstością pewnego

MODELOWANIE ZMIENNOŚCI CEN AKCJI MODEL ADDYTYWNY MODEL MULTIPLIKATYWNY

R ozkład norm alny Bardzo często używany do modelowania symetrycznych rozkładów zmiennych losowych ciągłych

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

LISTA 4. 7.Przy sporządzaniu skali magnetometru dokonano 10 niezależnych pomiarów

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Matematyka dla biologów Zajęcia nr 13.

Statystyka matematyczna. Wykład III. Estymacja przedziałowa

Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa

Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.

Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak

Wybrane rozkłady zmiennych losowych. Statystyka

RACHUNEK PRAWDOPODOBIEŃSTWA I STATYSTYKA MATEMATYCZNA

Transkrypt:

a schemat Bernoulliego Instytut Matematyki, Wydział Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski XV Festiwal Nauki, 21 września 2011r.

a schemat Bernoulliego Schemat Bernoulliego B(n, p) Załóżmy, że n jest ustaloną liczbą całkowitą dodatnią, a p jest liczbą z przedziału (0, 1). Próbą Bernoulliego nazywamy eksperyment losowy o dwóch możliwych wynikach, interpretowanych jako sukces i porażka. Prawdopodobieństwo sukcesu wynosi p, prawdopodobieństwo porażki to q = 1 p. Schematem Bernoulliego B(n, p) nazywamy ciąg n niezależnych prób Bernoulliego.

a schemat Bernoulliego Schemat Bernoulliego B(n, p) Załóżmy, że n jest ustaloną liczbą całkowitą dodatnią, a p jest liczbą z przedziału (0, 1). Próbą Bernoulliego nazywamy eksperyment losowy o dwóch możliwych wynikach, interpretowanych jako sukces i porażka. Prawdopodobieństwo sukcesu wynosi p, prawdopodobieństwo porażki to q = 1 p. Schematem Bernoulliego B(n, p) nazywamy ciąg n niezależnych prób Bernoulliego.

a schemat Bernoulliego Schemat Bernoulliego B(n, p) Załóżmy, że n jest ustaloną liczbą całkowitą dodatnią, a p jest liczbą z przedziału (0, 1). Próbą Bernoulliego nazywamy eksperyment losowy o dwóch możliwych wynikach, interpretowanych jako sukces i porażka. Prawdopodobieństwo sukcesu wynosi p, prawdopodobieństwo porażki to q = 1 p. Schematem Bernoulliego B(n, p) nazywamy ciąg n niezależnych prób Bernoulliego.

a schemat Bernoulliego Schemat Bernoulliego B(n, p) Załóżmy, że n jest ustaloną liczbą całkowitą dodatnią, a p jest liczbą z przedziału (0, 1). Próbą Bernoulliego nazywamy eksperyment losowy o dwóch możliwych wynikach, interpretowanych jako sukces i porażka. Prawdopodobieństwo sukcesu wynosi p, prawdopodobieństwo porażki to q = 1 p. Schematem Bernoulliego B(n, p) nazywamy ciąg n niezależnych prób Bernoulliego.

a schemat Bernoulliego Przykład - schematu Bernoulliego B(100, 1/3) Rzucamy 100 razy monetą, dla której prawdopodobieństwo wypadnięcia orła wynosi 1/3. Próbą Bernoulliego jest pojedynczy rzut monetą. Sukcesem jest wypadnięcie orła, porażką - wypadnięcie reszki. Jeśli zamienić miejscami sukces i porażkę, to otrzymujemy schemat Bernoulliego B(100, 2/3). Ważna dygresja: spodziewamy się, że liczba wyrzuconych orłów będzie się wahać w okolicach 100/3 = 33 1 3.

a schemat Bernoulliego Przykład - schematu Bernoulliego B(100, 1/3) Rzucamy 100 razy monetą, dla której prawdopodobieństwo wypadnięcia orła wynosi 1/3. Próbą Bernoulliego jest pojedynczy rzut monetą. Sukcesem jest wypadnięcie orła, porażką - wypadnięcie reszki. Jeśli zamienić miejscami sukces i porażkę, to otrzymujemy schemat Bernoulliego B(100, 2/3). Ważna dygresja: spodziewamy się, że liczba wyrzuconych orłów będzie się wahać w okolicach 100/3 = 33 1 3.

a schemat Bernoulliego Przykład - schematu Bernoulliego B(100, 1/3) Rzucamy 100 razy monetą, dla której prawdopodobieństwo wypadnięcia orła wynosi 1/3. Próbą Bernoulliego jest pojedynczy rzut monetą. Sukcesem jest wypadnięcie orła, porażką - wypadnięcie reszki. Jeśli zamienić miejscami sukces i porażkę, to otrzymujemy schemat Bernoulliego B(100, 2/3). Ważna dygresja: spodziewamy się, że liczba wyrzuconych orłów będzie się wahać w okolicach 100/3 = 33 1 3.

a schemat Bernoulliego Przykład - schematu Bernoulliego B(100, 1/3) Rzucamy 100 razy monetą, dla której prawdopodobieństwo wypadnięcia orła wynosi 1/3. Próbą Bernoulliego jest pojedynczy rzut monetą. Sukcesem jest wypadnięcie orła, porażką - wypadnięcie reszki. Jeśli zamienić miejscami sukces i porażkę, to otrzymujemy schemat Bernoulliego B(100, 2/3). Ważna dygresja: spodziewamy się, że liczba wyrzuconych orłów będzie się wahać w okolicach 100/3 = 33 1 3.

a schemat Bernoulliego Sformułowanie problemu Odtąd zakładamy, że p = 1/2. Rozważmy schemat Bernoulliego B(n, 1/2). Niech P k =prawdopodobieństwo tego, że łącznie otrzymaliśmy k sukcesów, k = 0, 1, 2,..., n. Oczywiście P 0, P 1, P 2,..., P n > 0 oraz P 0 + P 1 + P 2 +... + P n = 1. Dokładniej, P k = ( ) n 1 k 2 n. Cel: zbadać zachowanie ciągu (P k ) dla dużych n.

a schemat Bernoulliego Sformułowanie problemu Odtąd zakładamy, że p = 1/2. Rozważmy schemat Bernoulliego B(n, 1/2). Niech P k =prawdopodobieństwo tego, że łącznie otrzymaliśmy k sukcesów, k = 0, 1, 2,..., n. Oczywiście P 0, P 1, P 2,..., P n > 0 oraz P 0 + P 1 + P 2 +... + P n = 1. Dokładniej, P k = ( ) n 1 k 2 n. Cel: zbadać zachowanie ciągu (P k ) dla dużych n.

a schemat Bernoulliego Sformułowanie problemu Odtąd zakładamy, że p = 1/2. Rozważmy schemat Bernoulliego B(n, 1/2). Niech P k =prawdopodobieństwo tego, że łącznie otrzymaliśmy k sukcesów, k = 0, 1, 2,..., n. Oczywiście P 0, P 1, P 2,..., P n > 0 oraz P 0 + P 1 + P 2 +... + P n = 1. Dokładniej, P k = ( ) n 1 k 2 n. Cel: zbadać zachowanie ciągu (P k ) dla dużych n.

a schemat Bernoulliego Sformułowanie problemu Odtąd zakładamy, że p = 1/2. Rozważmy schemat Bernoulliego B(n, 1/2). Niech P k =prawdopodobieństwo tego, że łącznie otrzymaliśmy k sukcesów, k = 0, 1, 2,..., n. Oczywiście P 0, P 1, P 2,..., P n > 0 oraz P 0 + P 1 + P 2 +... + P n = 1. Dokładniej, P k = ( ) n 1 k 2 n. Cel: zbadać zachowanie ciągu (P k ) dla dużych n.

a schemat Bernoulliego Sformułowanie problemu Odtąd zakładamy, że p = 1/2. Rozważmy schemat Bernoulliego B(n, 1/2). Niech P k =prawdopodobieństwo tego, że łącznie otrzymaliśmy k sukcesów, k = 0, 1, 2,..., n. Oczywiście P 0, P 1, P 2,..., P n > 0 oraz P 0 + P 1 + P 2 +... + P n = 1. Dokładniej, P k = ( ) n 1 k 2 n. Cel: zbadać zachowanie ciągu (P k ) dla dużych n.

a schemat Bernoulliego Sformułowanie problemu Odtąd zakładamy, że p = 1/2. Rozważmy schemat Bernoulliego B(n, 1/2). Niech P k =prawdopodobieństwo tego, że łącznie otrzymaliśmy k sukcesów, k = 0, 1, 2,..., n. Oczywiście P 0, P 1, P 2,..., P n > 0 oraz P 0 + P 1 + P 2 +... + P n = 1. Dokładniej, P k = ( ) n 1 k 2 n. Cel: zbadać zachowanie ciągu (P k ) dla dużych n.

a schemat Bernoulliego Francis Galton Sir Francis Galton (1822-1911) - angielski podróżnik, przyrodnik oraz wynalazca.

a schemat Bernoulliego Opis przyrządu Rysunek:.

a schemat Bernoulliego Opis przyrządu Rysunek:.

a schemat Bernoulliego Opis przyrządu Rysunek:.

a schemat Bernoulliego Opis przyrządu Rysunek:.

a schemat Bernoulliego Opis przyrządu Rysunek:.

a schemat Bernoulliego Opis przyrządu Rysunek:.

a schemat Bernoulliego Opis przyrządu Rysunek:.

a schemat Bernoulliego Związek ze schematem Bernoulliego B(n, 1/2) Weźmy deskę Galtona o n poziomach. Proces losowania przegrody, w której ostatecznie wyląduje kulka, składa się z n niezależnych kroków, związanych z pokonywaniem kolejnych poziomów. Zinterpretujmy ruch w lewo jako porażkę, ruch w prawo jako sukces. Wówczas numer komory do której wpadnie kulka to liczba sukcesów w schemacie B(n, 1/2).

a schemat Bernoulliego Związek ze schematem Bernoulliego B(n, 1/2) Weźmy deskę Galtona o n poziomach. Proces losowania przegrody, w której ostatecznie wyląduje kulka, składa się z n niezależnych kroków, związanych z pokonywaniem kolejnych poziomów. Zinterpretujmy ruch w lewo jako porażkę, ruch w prawo jako sukces. Wówczas numer komory do której wpadnie kulka to liczba sukcesów w schemacie B(n, 1/2).

a schemat Bernoulliego Związek ze schematem Bernoulliego B(n, 1/2) Weźmy deskę Galtona o n poziomach. Proces losowania przegrody, w której ostatecznie wyląduje kulka, składa się z n niezależnych kroków, związanych z pokonywaniem kolejnych poziomów. Zinterpretujmy ruch w lewo jako porażkę, ruch w prawo jako sukces. Wówczas numer komory do której wpadnie kulka to liczba sukcesów w schemacie B(n, 1/2).

a schemat Bernoulliego Związek ze schematem Bernoulliego B(n, 1/2) Weźmy deskę Galtona o n poziomach. Proces losowania przegrody, w której ostatecznie wyląduje kulka, składa się z n niezależnych kroków, związanych z pokonywaniem kolejnych poziomów. Zinterpretujmy ruch w lewo jako porażkę, ruch w prawo jako sukces. Wówczas numer komory do której wpadnie kulka to liczba sukcesów w schemacie B(n, 1/2).

a schemat Bernoulliego Związek ze schematem Bernoulliego B(n, 1/2) c.d. Przez deskę Galtona możemy przepuścić M kulek (M - duża liczba całkowita). Niech L k (M) - liczba kulek które wpadły do przegrody nr k.

a schemat Bernoulliego Związek ze schematem Bernoulliego B(n, 1/2) c.d. Przez deskę Galtona możemy przepuścić M kulek (M - duża liczba całkowita). Niech L k (M) - liczba kulek które wpadły do przegrody nr k.

a schemat Bernoulliego Przykład 1 Rysunek: M = 12 kulek przepuszczonych przez deskę Galtona o n = 5 poziomach: L 0 (12) = 1, L 1 (12) = 1, L 2 (12) = 3, itd.

a schemat Bernoulliego Przykład 1 - inaczej Rysunek: M = 12 kulek przepuszczonych przez deskę Galtona o n = 5 poziomach: L 0 (12) = 1, L 1 (12) = 1, L 2 (12) = 3, itd.

a schemat Bernoulliego Przykład 2 Rysunek: M = 1000 kulek przepuszczonych przez deskę Galtona o n = 5 poziomach: L 0 (1000) = 29, L 1 (1000) = 155, L 2 (1000) = 315, itd.

a schemat Bernoulliego Dalszych 5 przykładów 5 dodatkowych symulacji dla M = 1000 i n = 5: 34 153 298 316 169 30, 30 156 295 314 176 29, 35 177 302 300 156 30, 30 152 325 301 165 27, 34 158 284 309 177 38. Z teoretycznego punktu widzenia, L k (M) M P k = ( ) n 1 k 2 n, w naszym przypadku ciąg P 0, P 1,..., P 5 to 0, 03125 0, 15625 0, 3125 0, 3125 0, 15625 0, 03125.

a schemat Bernoulliego Dalszych 5 przykładów 5 dodatkowych symulacji dla M = 1000 i n = 5: 34 153 298 316 169 30, 30 156 295 314 176 29, 35 177 302 300 156 30, 30 152 325 301 165 27, 34 158 284 309 177 38. Z teoretycznego punktu widzenia, L k (M) M P k = ( ) n 1 k 2 n, w naszym przypadku ciąg P 0, P 1,..., P 5 to 0, 03125 0, 15625 0, 3125 0, 3125 0, 15625 0, 03125.

a schemat Bernoulliego Dalszych 5 przykładów 5 dodatkowych symulacji dla M = 1000 i n = 5: 34 153 298 316 169 30, 30 156 295 314 176 29, 35 177 302 300 156 30, 30 152 325 301 165 27, 34 158 284 309 177 38. Z teoretycznego punktu widzenia, L k (M) M P k = ( ) n 1 k 2 n, w naszym przypadku ciąg P 0, P 1,..., P 5 to 0, 03125 0, 15625 0, 3125 0, 3125 0, 15625 0, 03125.

a schemat Bernoulliego Związek z rozkładem normalnym Załóżmy teraz, iż interesuje nas wygląd histogramów przy dużych wartościach n. Innymi słowy, co można powiedzieć o granicznym zachowaniu ciągu (P k ) n k=0 gdy n?

a schemat Bernoulliego Związek z rozkładem normalnym Załóżmy teraz, iż interesuje nas wygląd histogramów przy dużych wartościach n. Innymi słowy, co można powiedzieć o granicznym zachowaniu ciągu (P k ) n k=0 gdy n?

a schemat Bernoulliego Przykład 1 Rysunek: Histogram M = 1 000 kulek przepuszczonych przez deskę Galtona o n = 5 poziomach.

a schemat Bernoulliego Przykład 2 Rysunek: Histogram M = 10 000 kulek przepuszczonych przez deskę Galtona o n = 15 poziomach.

a schemat Bernoulliego Przykład 3 Rysunek: Histogram M = 100 000 kulek przepuszczonych przez deskę Galtona o n = 50 poziomach.

a schemat Bernoulliego Twierdzenie de Moivre a-laplace a (wersja symetryczna) Twierdzenie. Dla dowolnej liczby rzeczywistej x, ( ) n n n lim n 2 P liczba sukcesów w B(n, 1/2) = 2 + 4 x = 1 2π e x2 /2.

a schemat Bernoulliego Gęstość standardowego rozkładu normalnego Rysunek: Funkcja g(x) = 1 2π e x 2 /2, gęstość standardowego rozkładu normalnego N(0, 1).

a schemat Bernoulliego Rozkład normalny a modelowanie Poprzednie twierdzenie można z grubsza zapisać w postaci ( ) n 2 liczba sukcesów n lim n 2 P x = 1 e x2 /2. n 2π { 1/ n jeśli w k-tej próbie porażka, Niech X k = 1/ n jeśli w k-tej próbie sukces. Wówczas 2 liczba sukcesów n n = X 1 + X 2 +... + X n, a zatem lim n n 2 P (X 1 + X 2 +... + X n x) = 1 2π e x2 /2.

a schemat Bernoulliego Rozkład normalny a modelowanie Poprzednie twierdzenie można z grubsza zapisać w postaci ( ) n 2 liczba sukcesów n lim n 2 P x = 1 e x2 /2. n 2π { 1/ n jeśli w k-tej próbie porażka, Niech X k = 1/ n jeśli w k-tej próbie sukces. Wówczas 2 liczba sukcesów n n = X 1 + X 2 +... + X n, a zatem lim n n 2 P (X 1 + X 2 +... + X n x) = 1 2π e x2 /2.

a schemat Bernoulliego Rozkład normalny a modelowanie Poprzednie twierdzenie można z grubsza zapisać w postaci ( ) n 2 liczba sukcesów n lim n 2 P x = 1 e x2 /2. n 2π { 1/ n jeśli w k-tej próbie porażka, Niech X k = 1/ n jeśli w k-tej próbie sukces. Wówczas 2 liczba sukcesów n n = X 1 + X 2 +... + X n, a zatem lim n n 2 P (X 1 + X 2 +... + X n x) = 1 2π e x2 /2.

a schemat Bernoulliego Rozkład normalny a modelowanie Poprzednie twierdzenie można z grubsza zapisać w postaci ( ) n 2 liczba sukcesów n lim n 2 P x = 1 e x2 /2. n 2π { 1/ n jeśli w k-tej próbie porażka, Niech X k = 1/ n jeśli w k-tej próbie sukces. Wówczas 2 liczba sukcesów n n = X 1 + X 2 +... + X n, a zatem lim n n 2 P (X 1 + X 2 +... + X n x) = 1 2π e x2 /2.

a schemat Bernoulliego Rozkład normalny a modelowanie c.d. Widzimy więc, że rozkład normalny pojawia się przy badaniu zachowania sum dużej liczby małych odchyleń. Fakt ten można znacznie uogólnić: można stosować do składników X k o różnych rozkładach. Stąd popularność rozkładu normalnego przy modelowaniu rozmaitych zagadnień.

a schemat Bernoulliego Rozkład normalny a modelowanie c.d. Widzimy więc, że rozkład normalny pojawia się przy badaniu zachowania sum dużej liczby małych odchyleń. Fakt ten można znacznie uogólnić: można stosować do składników X k o różnych rozkładach. Stąd popularność rozkładu normalnego przy modelowaniu rozmaitych zagadnień.

a schemat Bernoulliego Rozkład normalny a modelowanie c.d. Widzimy więc, że rozkład normalny pojawia się przy badaniu zachowania sum dużej liczby małych odchyleń. Fakt ten można znacznie uogólnić: można stosować do składników X k o różnych rozkładach. Stąd popularność rozkładu normalnego przy modelowaniu rozmaitych zagadnień.