Kurs Prawdopodobieństwo Wzory

Podobne dokumenty
1 Twierdzenia o granicznym przejściu pod znakiem całki

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

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

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

Prawdopodobieństwo i statystyka r.

Twierdzenia graniczne:

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.

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

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

Matematyka ubezpieczeń majątkowych r.

Statystyka i rachunek prawdopodobieństwa

Podstawowe rozkłady zmiennych losowych typu dyskretnego

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

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

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

STATYSTKA I ANALIZA DANYCH LAB II

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

Komputerowa analiza danych doświadczalnych

ZADANIA NA ĆWICZENIA 3 I 4

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

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.

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

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

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 +

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

Komputerowa analiza danych doświadczalnych

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

Rozkład normalny (Gaussa)

Komputerowa analiza danych doświadczalnych

Komputerowa analiza danych doświadczalnych

Lista 6. Estymacja punktowa

Prawdopodobieństwo i statystyka

Liczebnośd (w tys.) n

Komputerowa analiza danych doświadczalnych

Wyższe momenty zmiennej losowej

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

Statystyka matematyczna. Wykład II. Estymacja punktowa

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia

Modele probabilistyczne zjawisk losowych

STATYSTYKA OPISOWA PODSTAWOWE WZORY

1 Układy równań liniowych

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

16 Przedziały ufności

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste

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

Histogram: Dystrybuanta:

COLLEGIUM MAZOVIA INNOWACYJNA SZKOŁA WYŻSZA WYDZIAŁ NAUK STOSOWANYCH. Kierunek: Finanse i rachunkowość. Robert Bąkowski Nr albumu: 9871

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

Estymacja przedziałowa

STATYSTYKA MATEMATYCZNA

Wstęp. zbiór wszystkich zdarzeń elementarnych (sample space), S zbiór zdarzeń, (events), P prawdopodobieństwo (probability distribution).

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

Komputerowa analiza danych doświadczalnych

θx θ 1, dla 0 < x < 1, 0, poza tym,

Rachunek prawdopodobieństwa i statystyka Wnioskowanie statystyczne. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

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.

Statystyka w rozumieniu tego wykładu to zbiór metod służących pozyskiwaniu, prezentacji, analizie danych.

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

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

JEDNOWYMIAROWA ZMIENNA LOSOWA

ZDARZENIE ELEMENTARNE to możliwy wynik doświadczenia losowego. Wszystkie takie możliwe wyniki tworzą zbiór zdarzeń elementarnych.

Wybrane litery alfabetu greckiego

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

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

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

ROZKŁADY ZMIENNYCH LOSOWYCH

Statystyka Wzory I. Analiza struktury

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

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś

Prawdopodobieństwo i statystyka r.

STATYSTYKA OPISOWA PODSTAWOWE WZORY

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

Estymacja przedziałowa:

Stochastyczne metody optymalizacji

Komputerowa analiza danych doświadczalnych

0.1 ROZKŁADY WYBRANYCH STATYSTYK

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

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

Statystyczny opis danych - parametry

npq jest funkcją gęstości zmiennej losowej X? Po wyznaczeniu k proszę znaleźć: dystrybuantę, kwartyl drugi,

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

Komputerowa analiza danych doświadczalnych

Rozkłady dwóch zmiennych losowych

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

0.1 Statystyczne Podstawy Modelu Regresji

1 Dwuwymiarowa zmienna losowa

Zadania z rachunku prawdopodobieństwa I* Siedmiu pasażerów przydzielono losowo do trzech wagonów. Jakie jest prawdopodobieństwo

MODELE MATEMATYCZNE W UBEZPIECZENIACH. 1. Renty

Wyk lad z Rachunku Prawdopodobieństwa WNE, 2008/2009. Wariacje bez powtórzeń. Za lóżmy, iż mamy zbiór n elementowy A. Wówczas

ZMIENNA LOSOWA I JEJ PARAMETRY -powtórzenie

RACHUNEK PRAWDOPODOBIEOSTWA

Zadania z Rachunku Prawdopodobieństwa I Grupę n dzieci ustawiono w sposób losowy w szereg. Oblicz prawdopodobieństwo

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

Metody Statystyczne II

Zadania z Rachunku Prawdopodobieństwa I Siedmiu pasażerów przydzielono losowo do trzech wagonów. Jakie jest prawdopodobieństwo

Wykład 13: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

STATYSTYKA OPISOWA WYKŁAD 1 i 2

8 Weryfikacja hipotez statystycznych

1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1,

Transkrypt:

Kurs Prawdoodobieństwo Wzory Elemety kombiatoryki Klasycza deiicja rawdoodobieństwa gdzie: A - liczba zdarzeń srzyjających A - liczba wszystkich zdarzeń P A Tel. 603 088 74

Prawdoodobieństwo deiicja Kołmogorowa - zbiór wszystkich zdarzeń elemetarych S sigma-ciało a zbiorze, czyli zbiór jego odzbiorów sełiający waruki: 1) S ) S S,,,... S... U S 3) 1 3 1 3 1 P ukcja o argumetach ze zbioru S i wartościach będących liczbami rzeczywistymi, sełiająca waruki ( aksjomaty ): 1. P 0 S. P 1 3. P P P P...... - dla zdarzeń arami rozłączych, tz. 1 3 1 3 i j dla i j Wartości ukcji P A możemy azywać rawdoodobieństwem 1. P 0,1. P 0 3. P P 4. P 1 P Własości rawdoodobieństwa 5. P \ P P 6. P P P P Zdarzeia A i B są iezależe, gdy: P P P Niezależość zdarzeń Prawdoodobieństwo warukowe Prawdoodobieństwo warukowe zajścia zdarzeia A od warukiem zajścia zdarzeia B ozaczamy jako P i liczymy ze wzoru: Tel. 603 088 74

P P P Prawdoodobieństwo całkowite i wzór Bayesa Zakładając, że dla i j i P P P i j 1... 1: Prawdoodobieństwo całkowite 1 1... P P P P P P P Wzór Bayesa P P i i P i P Schemat Beroulliego Prawdoodobieństwo zajścia k sukcesów w iezależych i idetyczych doświadczeiach, z których każde może zakończyć się tylko a dwa sosoby (z rawdoodobieństwami dla sukcesu i q dla orażki ) wyosi: P S k q k k k Tel. 603 088 74

Zmiee losowe Dyskrete zmiee losowe Rozkład 1 i Dystrybuata F x P X x Wartość oczekiwaa xii Mediaa x 0,5, Me Wartość zmieej losowej, dla której skumulowae rawdoodobieństwa rzekraczają 1 Domiata, moda D Wartość zmieej losowej osiągaa z ajwiększym rawdoodobieństwem Kwatyl rzędu x Wartość zmieej losowej, dla której skumulowae rawdoodobieństwa rzekraczają, Wariacja i i, D X x Odchyleie stadardowe, Wsółczyik zmieości V V E X Tel. 603 088 74

Momet zwykły -tego rzędu, xi i Momet cetraly -tego rzędu xi i Wsółczyik asymetrii 3 1 3 Wsółczyik kocetracji K 4 Rozkład Beroulliego 4 Przykłady rozkładów dyskretych zmieych losowych W rozkładzie Beroulliego rawdoodobieństwa określae są ze wzoru: P X k q k k k q Rozkład Poissoa W rozkładzie Poissoa rawdoodobieństwa określae są ze wzoru: P X k e k! k Dla dużych i małych rozkład Beroulliego moża zastęować rozkładem Poissoa Tel. 603 088 74

Rozkład hiergeometryczy W rozkładzie hiergeometryczym rawdoodobieństwa określae są ze wzoru: P X k M N M k k N Gdzie N to ilość wszystkich elemetów w oulacji, M to ilość wszystkich elemetów w oulacji o określoej cesze, to ilość elemetów w róbce, k to ilość elemetów w róbce o określoej cesze M N M M N 1 1 N N N Dla dużych N i M, oraz M N rozkład Beroulliego moża zastęować rozkładem hiergeometryczym. Tel. 603 088 74

Ciągłe zmiee losowe Fukcja gęstości x b P a X b x dx a xdx 1 Dystrybuata x F x P X x t dt Wartość oczekiwaa x xdx Mediaa x 0,5, Me Wartość 0,5 F x x, dla której Domiata, moda D 0,5 0,5 Maksimum globale ukcji gęstości x Kwatyl rzędu x Wartość x, dla której F x, Wariacja x x dx, D X Odchyleie stadardowe, Tel. 603 088 74

Wsółczyik zmieości V V E X Momet zwykły -tego rzędu, x x dx Momet cetraly -tego rzędu x x dx Wsółczyik asymetrii 3 1 3 Wsółczyik kocetracji K 4 Rozkład ormaly 4 Przykłady rozkładów ciągłych zmieych losowych W rozkładzie ormalym rawdoodobieństwa określae są z ukcji gęstości o wzorze: xm 1 x e m D X Stadaryzacja rozkładu ormalego: X m Z Tel. 603 088 74

Rozkład jedostajy W rozkładzie jedostajym rawdoodobieństwa określae są z ukcji gęstości o wzorze: 1 x b a 0 w rzedziale x dla ozostalych x a, b Rozkład wykładiczy W rozkładzie wykładiczym rawdoodobieństwa określae są z ukcji gęstości o wzorze: x x 1 e dla x 0 0 dla x 0 Tel. 603 088 74

Zmiee losowe dwuwymiarowe Dyskrete zmiee losowe dwuwymiarowe Rozkład Rozkłady brzegowe i.,. j i j Prawdoodobieństwo warukowe ij i j, PY y j X xi P X x Y y. j ij i. Niezależość zmieych losowych Dwie zmiee losowe X i Y azywamy iezależymi, gdy: i, j i j P X x Y y P X x P Y y i, j Dystrybuata F x, y P X x, Y y Wartości oczekiwae xix y jy Wartości oczekiwae, EY liczymy z rozkładów brzegowych Wariacje Wariacje D X D ij Y, liczymy z rozkładów brzegowych. Tel. 603 088 74

Kowariacja C X Y x E X y E Y, i j ij i j Wsółczyik korelacji C X, Y DY Jeśli 0 zmiee losowe azywamy ieskorelowaymi. Nie ozacza to jedak, że są iezależe. Jeśli jedak zmiee losowe są iezależe, to a ewo 0. Tel. 603 088 74

Ciągłe zmiee losowe dwuwymiarowe Fukcja gęstości x, y bd Pa X b, c Y d x, ydydx x, y dydx 1 Rozkłady brzegowe x x y dy a c, 1, Rozkłady warukowe y x, y dx X Y x, y y, Y X x, y x 1 Niezależość zmieych losowych Dwie zmiee losowe X i Y azywamy iezależymi, gdy dla dowolych x i y:, x y x y Dystrybuata 1 x y F x, y P X x, Y y u, vdudv Wartości oczekiwae E X x1 xdx E Y y ydy Tel. 603 088 74

Wariacje D X x 1 xdx D Y y EY ydx Kowariacja C X, Y x E X y E Y x, y dxdy Wsółczyik korelacji C X, Y DY Jeśli 0 zmiee losowe azywamy ieskorelowaymi. Nie ozacza to jedak, że są iezależe. Jeśli jedak zmiee losowe są iezależe, to a ewo 0. Tel. 603 088 74