i=7 X i. Zachodzi EX i = P(X i = 1) = 1 2, i {1, 2,..., 11} oraz EX ix j = P(X i = 1, X j = 1) = 1 7 VarS 2 2 = 14 3 ( 5 2 =

Podobne dokumenty
12DRAP - parametry rozkładów wielowymiarowych

Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS

Rachunek prawdopodobieństwa

1 Gaussowskie zmienne losowe

i=7 X i. Zachodzi EX i = P(X i = 1) = 1 2, i {1, 2,..., 11} oraz EX ix j = P(X i = 1, X j = 1) = 1 7 VarS 2 2 = 14 3 ( 5 2 =

Prawdopodobieństwo

Moneta 1 Moneta 2 Kostka O, R O,R 1,2,3,4,5, Moneta 1 Moneta 2 Kostka O O ( )

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

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

Zadanie 2. Wiadomo, że A, B i C są trzema zdarzeniami losowymi takimi, że P (A) = 2/5, P (B A) = 1/4, P (C A B) = 0.5, P (A B) = 6/10, P (C B) = 1/3.

P r a w d o p o d o b i eństwo Lekcja 1 Temat: Lekcja organizacyjna. Program. Kontrakt.

Rozkłady prawdopodobieństwa zmiennych losowych

W. Guzicki Próbna matura, grudzień 2014 r. poziom rozszerzony 1

Podstawy metod probabilistycznych. dr Adam Kiersztyn

Ćwiczenia z metodyki nauczania rachunku prawdopodobieństwa

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

WYKŁAD 6. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki

Wykład 11: Martyngały: definicja, twierdzenia o zbieżności

Wersja testu A 18 czerwca 2012 r. x 2 +x dx

Matematyczne Podstawy Kognitywistyki

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

DODATKOWA PULA ZADAŃ DO EGZAMINU. Rozważmy ciąg zdefiniowany tak: s 0 = a. s n+1 = 2s n +b (dla n=0,1,2 ) Pokaż, że s n = 2 n a +(2 n =1)b

Ćwiczenia 1. Klasyczna definicja prawdopodobieństwa, prawdopodobieństwo geometryczne, własności prawdopodobieństwa, wzór włączeń i wyłączeń

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

Internetowe Ko³o M a t e m a t yc z n e

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład

01DRAP - klasyczna definicja prawdopodobieństwa

Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014

Zadanie 1. Oblicz prawdopodobieństwo, że rzucając dwiema kostkami do gry otrzymamy:

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

Prawa wielkich liczb, centralne twierdzenia graniczne

Statystyka matematyczna

RACHUNEK PRAWDOPODOBIEŃSTWA I KOMBINATORYKA

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe

PRAWDOPODOBIEŃSTWO I KOMBINATORYKA

Zbigniew S. Szewczak Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki. Graniczne własności łańcuchów Markowa

( ) ( ) Przykład: Z trzech danych elementów: a, b, c, można utworzyć trzy następujące 2-elementowe kombinacje: ( ) ( ) ( ).

Zmienne losowe i ich rozkłady

Przestrzeń probabilistyczna

Prawdopodobieństwo i statystyka r.

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

3. Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ,

Zadania z RP 2. seria Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n

Podstawy nauk przyrodniczych Matematyka

W. Guzicki Próbna matura, grudzień 2014 r. poziom rozszerzony 1

Seria 1. Zbieżność rozkładów

Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.

1 Warunkowe wartości oczekiwane

rachunek prawdopodobieństwa - zadania

Zadania z Rachunku Prawdopodobieństwa II Podaj przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ,

Rachunek prawdopodobieństwa Rozdział 3. Prawdopodobieństwo warunkowe i niezależność zdarzeń.

Prawdopodobieństwo i statystyka

Propozycje rozwiązań zadań otwartych z próbnej matury rozszerzonej przygotowanej przez OPERON.

Rachunek prawdopodobieństwa- wykład 2

Zadania z Rachunku Prawdopodobieństwa II Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ,

01DRAP - klasyczna definicja prawdopodobieństwa

01DRAP - klasyczna definicja prawdopodobieństwa

Wykład 3 Jednowymiarowe zmienne losowe

Spacery losowe generowanie realizacji procesu losowego

P (A B) P (B) = 1/4 1/2 = 1 2. Zakładamy, że wszystkie układy dwójki dzieci: cc, cd, dc, dd są jednakowo prawdopodobne.

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

III. ZMIENNE LOSOWE JEDNOWYMIAROWE

Rachunek prawdopodobieństwa Rozdział 5. Rozkłady łączne

Zmienna losowa. Rozkład skokowy

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

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

a. zbiór wszystkich potasowań talii kart (w którym S dostaje 13 pierwszych kart, W - 13 kolejnych itd.);

Obliczanie prawdopodobieństwa za pomocą metody drzew metoda drzew. Drzewem Reguła iloczynów. Reguła sum.

Lista 1. Procesy o przyrostach niezależnych.

Laboratorium nr 7. Zmienne losowe typu skokowego.

c) ( 13 (1) (2) Zadanie 2. Losując bez zwracania kolejne litery ze zbioru AAAEKMMTTY, jakie jest prawdopodobieństwo Odp.

Prawdopodobieństwo i statystyka

ćwiczenia z rachunku prawdopodobieństwa

= A. A - liczba elementów zbioru A. Lucjan Kowalski

( ) Arkusz I Zadanie 1. Wartość bezwzględna Rozwiąż równanie. Naszkicujmy wykresy funkcji f ( x) = x + 3 oraz g ( x) 2x

Prawdopodobieństwo warunkowe Twierdzenie o prawdopodobieństwie całkowitym

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych

Matematyka podstawowa X. Rachunek prawdopodobieństwa

Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego

KURS PRAWDOPODOBIEŃSTWO

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

Lista 6. Kamil Matuszewski 13 kwietnia D n =

R_PRACA KLASOWA 1 Statystyka i prawdopodobieństwo.

Ćwiczenia 1. Klasyczna definicja prawdopodobieństwa, prawdopodobieństwo geometryczne, własności prawdopodobieństwa, wzór włączeń i wyłączeń

02DRAP - Aksjomatyczna definicja prawdopodobieństwa, zasada w-w

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

a. zbiór wszystkich potasowań talii kart (w którym S dostaje 13 pierwszych kart, W - 13 kolejnych itd.);

Rachunek prawdopodobieństwa (Elektronika, studia niestacjonarne) Wykład 2

Matematyka dla biologów Zajęcia nr 12.

Kombinatoryka i rachunek prawdopodobieństwa

KURS PRAWDOPODOBIEŃSTWO

Doświadczenie i zdarzenie losowe

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

Kombinatoryka i rachunek prawdopodobieństwa

Rachunek Prawdopodobieństwa i Statystyka Matematyczna

Metody probabilistyczne

Prawdopodobieństwo i statystyka r.

Statystyka podstawowe wzory i definicje

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

Rachunek prawdopodobieństwa Rozdział 1. Wstęp

Transkrypt:

Kombinatoryka W tej serii zadań można znaleźć pojawiające się na egzaminach zadania dotyczące problemu wyznaczania prostych parametrów rozkładu w przypadku zgadnień kombinatorycznych. Zadania te wymagają podstawowej wiedzy kombinatorycznej oraz dyskretnych zmiennych losowych.. (Eg / W urnie znajduje się kul, z których jest białych i czarnych. Losujemy bez zwracania kul, a następnie z pozostałych kul. Niech S oznacza liczbę kul białych uzyskaną w drugim losowaniu. Oblicz VarS. Odp: B->. Rozwiązanie. Stosujemy zmienne włączeniowe, X i {0, }, i {,,..., }, gdzie X i = jeśli w i-tym losowaniu wyciągnięto białą kulę i 0 w przeciwnym przypadku. Oczywiście S = i= X i. Zachodzi EX i = P(X i = =, i {,,..., } oraz EX ix j = P(X i =, X j = = = 0, i j, i, j {,,..., }. Zatem Czyli ES = =, ES = P(X = + P(X =, X = = + =. VarS = ( = =.. (Eg 9/ Dysponujemy dwiema urnami: A i B. W urnie A są kule białe i czarne, w urnie B są kule białe i czarna. Wykonujemy trzy etapowe losowanie: (a losujemy urnę; (b z wylosowanej urny ciągniemy kule bez zwracania, a następnie wrzucamy do tej urny kule białe i czarne; (c z urny, do której wrzuciliśmy kule, losujemy jedną kulę. Okazało się, że wylosowana w trzecim etapie kula jest. Obliczyć p-stwo, że w drugim wylosowano kule tego samego koloru. Odp: C-> 0,. Rozwiązanie. Mamy drzewo prawdopodobieństw przejścia do poszczególnych stanów Stan P-p Stan P-p Stan P-p (, (, 0 (, (, 0 (, (, 0 (, (, 0 (, (, 0. Niech P(, b będzie prawdopodobieństwem uzyskania białej kuli w losowaniu, P(, b = 0 + 0 + 0 + 0 + 0 = 0. Z drugiej strony prawdopodobieństwo, że w drugim losowaniu pojawiły się kule i czarna, a w trzecim losowaniu P(, (b, c;, b wynosi P(, (b, c;, b = 0 + 0 = 0. Zatem P(, (b, c, b = P(, (b, c;, b/p(, b =.

. (Eg 0/ W urnie znajduje się 0 kul białych, 0 kul czarnych i 0 kul niebieskich. Losujemy bez zwracania kule. Niech (a X oznacza liczbę wylosowanych kul białych; (b Y oznacza liczbę wylosowanych kul czarnych; (c Z oznacza liczbę wylosowanych kul niebieskich. Współczynnik korelacji zmiennych losowych X + Y i Z, Corr(X + Y, Z jest równy? Odp: B->. Rozwiązanie. Przypomnijmy, że Corr(X + Y, Z = Cov(X, Z = Cov(Y, Z, Var(X = Var(Y = Var(Z, zatem Podobnie Cov(X+Y,Z Var(X+Y Var(Z. Łatwo zauważyć, że Cov(X + Y, Z = Cov(X, Z + Cov(Y, Z = Cov(X, Z. Var(X + Y = Cov(X + Y, X + Y = Var(X, X + Cov(X, Y. Korzystamy zmiennych włączeniowych, żeby obliczyć Cov(X, Z. Niech X = i= X i=, gdzie X i = jeśli w i tym losowaniu pojawiła się kula. Analogicznie definiujemy Y i, Z i, i {,,..., }. Zachodzi Wreszcie EX = P(X = = =, EX = P(X = + P(X =, X = = + czyli Cov(X, Y = ( 0 a = 9, mamy EXY = P(X =, Y = = 9 9 9 9 0 9 = 0 9. = 9 oraz Var(X = ( 9 9 9 = 9 9. Cov(X + Y, Z = a, Var(X + Y = 0a a = a, Var(Z = a. = 9. Niech zatem Ostatecznie Corr(X + Y, Z = a = a a =.. (Eg /0 Pan A przeznaczył zł na pewną grę. W pojedynczej kolejce gry pan A wygrywa zł z p-stwem / przegrywa zł z p-stwem /. Pan A kończy grę, gdy wszystko przegra lub gdy będzie miał 0 zł. P-stwo, że A wszystko przegra jest równe? Odp: D-> 0, 9. Rozwiązanie. Zadanie dotyczy prawdopodobieństwa ruiny. W celu rozwiązania budujemy niezależne zmienne losowe X k, k takie, że X k = jeśli A wygrywa oraz X k = jeśli A przegrywa. Definiujemy S n = X +... + X n, n oraz S 0 = 0. Okazuje się, że zmienne M n = Sn, n 0 tworzą martyngał względem naturalnej filtracji. Rzeczywiście ( E(M n F n = M n E Xn = M n + = M n. Zauważmy, że gracz kończy grę w momencie τ = inf{n 0 : S n {, }}. Zatem z twierdzenia Dooba (moment τ nie jest ograniczony ale nietrudno pokazać, że w tym przypadku również to

twierdzenie działa wynika, że = EM τ. Niech teraz a = P(S τ =, b = P(S τ=. Ponieważ jak łatwo sprawdzić P(τ < =, więc a + b =, nadto = EM τ = a + b. Mamy zatem układ równań { a + b = a + b = Stąd a = 0, b = 0 0. Szukana wartość to b 0, 9.. (Eg / W urnie znajduje się 00 ponumerowanych kul o numerach,..., 00. Losujemy bez zwracania 0 kul, zapisujemy numery, kule zwracamy do urny. Czynność te powtarzamy 0 razy. Oblicz wartość oczekiwaną liczby kul, które zostały wylosowane dokładnie dwa razy. Odp: D-> 9,. Rozwiązanie. Zadanie staje się proste jeśli zastosujemy zmienne włączeniowe, Xi=, i {,,..., 00}, gdzie X i = jeśli dokładnie dwa razy kula z numerem i została wylosowana. Należy wyznaczyć E 00 i= X i= = 00P(X =, gdyż P(X i = są identyczne. Pozostaje zauważyć, że P(X i = = ( 0 ( 0 ( 9 0. Stąd E 00 i= X i= = ( 9 0 9,.. (Eg /0 Z urny, w której jest kul czarnych i białe losujemy kolejno bez zwracania po jednej kuli, tak długo aż wylosujemy kulę czarną. Wartość oczekiwana liczby wylosowanych kul białych jest równa? Odp: B->. Rozwiązanie. Przypomnijmy wzór EX = k=0 P(X > k, dla zmiennych X o watotściach całkowitych dodatnich. Sprawdzamy, że P(X > 0 =, P(X > = 0 =, P(X > = 0 9 =, P(X > = 0 9 =, P(X > = 0 0 9 = 0, nadto P(X > k = 0 dla k >. Stąd EX = + + 0 + 0 = 0 0 =.. (Eg / mamy dwie urny: I i II. Na początku doświadczenia w każdej z urn znajdują się kule białe i czarne. Losujemy po jednej kuli z każdej urny - po czym kulę wylosowaną z urny I wrzucamy do urny II, a te wylosowana z urny II wrzucamy do urny I. Czynność tę powtarzamy wielokrotnie. Granica (przy n p-stwa, iż obie kule wylosowane w n-tym kroku są jednakowego koloru, wynosi:? Odp: C->. Rozwiązanie. Zadanie rozwiązuje się metoda łańcuchów Markowa. Jest możliwych stanów na liczbę kul białych w urnie I. Należy znaleźć prawdopodobieństwa przejścia w jednym kroku. Mamy S 0 0 0 0 0 0 9 P = 0 0 0 0 9 0 0 0 0 0 0

należy wyznaczyć rozkład stabilny z równania πm = π oraz warunku, że k=0 π k =. Nietrudno zauważyć symetrię macierzy skąd wynika, że π 0 = π, π = π. Nadto natychmiast zauważamy, że π 0 = π. Wystarczą zatem równania (w terminach π i π { π = π + π = π + π + π Skąd wynika, że π 0 = π = 0, π = π =, π =. Obliczamy prawdopodobieństwa warunkowe wylosowania kul różnego koloru w zależności od stanu liczby kul białych w I urnie P((b, c 0 = P((b, c =, P((b, c = P((b, c =, P((b, c =. Dostajemy ze wzoru Bayesa dla stanów rozłożonych według π (czyli w granicy n P((b, c = 0 + Zatem prawdopodobieństwo zdarzenia przeciwnego wynosi. + =.. (Eg / Wylosowano niezależnie liczb z rozkładu symetrycznego ciągłego i ustawiono je w ciąg według kolejności losowania. Otrzymano liczb dodatnich (każda z nich oznaczamy symbolem a i ujemnych (każdą z nich oznaczamy symbolem b. Obliczyć p-stwo, że otrzymano serii, gdzie serią nazywamy ciąg elementów jednego typu, przed i za którym występuje element drugiego typu, na przykład w ciągu: aaabbbbaabbbbba jest serii ( serie elementów typu a i serie elementów typu b. Odp: C-> Rozwiązanie. Należy zauważyć, że zbiór Ω złożony ze wszystkich możliwych podzbiorów elementowych w zbiorze elementowym ma ( elementów. Teraz należy zauważyć, że seria będzie jednoznacznie wyznaczonym podzbiorem jeśli podamy od jakiego symbolu zaczynamy, a następnie długości ścieżek k, k, k dla serii symbolu a oraz l, l, l dla serii symbolu b. Oczywiście ścieżki muszą mieć długość dodatnią nadto k + k + k =, l + l + l =. Ogólnie liczba rozwiązań równania x +... + x k = n w liczbach naturalnych (bez zera wynosi ( n k. Zatem liczność zbioru A złożonego z serii długości wynosi Ostatecznie A = ( (. P(A = A Ω =. 9. (Eg / Dysponujemy identycznymi urnami. Każda z nich zawiera kule. Liczba kul białych w i-tej urnie jest równa i, gdzie i =,,...,, pozostałe kule są czarne. Losujemy urnę, a następnie ciągniemy z niej jedną kulę i okazuje się, że otrzymana kula jest. Oblicz p-stwo, że ciągnąc drugą kule z tej samej urny (bez zwracania pierwszej również otrzymamy kulę białą. Odp: D->. Rozwiązanie. Ze symetrii zadania jest jasne, że szansa wylosowania białej kuli w pierwszej rundzie wynosi. Aby obliczyć szansę wyciągnięcia dwóch kul białych stosujemy wzór Bayesa ( i P((b, b = (. Zachodzi wzór kombinatoryczny ( i ( i= = ( (trójkąt Pascala. Nadto ( / =, stąd P((b, b =. To oznacza, że P((b, b b =. i=

0. (Eg / Urna zawiera kul o numerach: 0,,,,. Z urny ciągniemy kulę, zapisujemy numer i kulę wrzucamy z powrotem do urny. Czynność tę powtarzamy, aż kula z każdym numerem zostanie wyciągnięta co najmniej raz. Oblicz wartość oczekiwaną liczby powtórzeń. Odp: C->. Rozwiązanie. Tutaj łatwo zauważyć, że jeśli T,..., T będą czasami oczekiwania na kolejny nowy symbol, to T = nadto T k+ T k, k {,,, } ma rozkład geometryczny z prawdopodobieństwem sukcesu p k = k (i wartości oczekiwanej /p k. Zatem ET = + E(T k+ T k = + k= k= k =.. (Eg / W urnie znajduje się 0 kul: 0 białych i 0 czerwonych. Losujemy bez zwracania kul, a następnie z pozostałych w urnie kul losujemy kolejne kul. Niech S oznacza liczbę wylosowanych kul białych wśród pierwszych wylosowanych kul, a S liczbę kul białych wśród następnych kul. Oblicz Cov(S, S + S. Odp: C-> 9. Rozwiązanie. Oczywiście skorzystamy ze zmiennych włączeniowych. Niech X i, i {,..., } oznacza jeśli w i tej rundzie pojawiła się kula i 0 w przeciwnym przypadku. Mamy S = i= X i oraz S = i=9 X i. Zachodzi Teraz Stąd Z drugiej strony Co daje Ostatecznie ES = P(X = =, E(S = P(X = =. ES = P(X = + P(X =, X = = + 9 9 = 9. VarS = 9 0 9 = 9. ES S = P(X =, X = = 9 9. Cov(S, S = 9 9 = 9. Cov(S, S + S = VarS + Cov(S, S = 9 9 = 9.. (Eg 0/9 W urnie znajduje się 0 kul, na każdej narysowana jest litera i cyfra. Mamy: (a 0 kul oznaczonych X; (b kul oznaczonych Y ; (c kul oznaczonych X; (d kul oznaczone Y. Losujemy bez zwracania kul. Niech N X oznacza liczbę kul oznaczonych literą X wśród kul wylosowanych,a N liczbę kul z cyfrą wśród kul wylosowanych. Obliczyć Var(N X N =. Odp: A->. Rozwiązanie. Dokonujemy uproszczenia, mamy pięć kul wylosowanych z cyfrą. Zatem de facto losujemy 0 typu X lub X, czyli ze zbioru elementowego. W tym modelu probabilistycznym

musimy policzyć wariancję zmiennej NX co robimy przez zmienne włączeniowe. Niech X i, i {,..., 0} będzie zmienną przyjmującą jeśli na i-tej pozycji stoi X oraz 0 jeśli X. Oczywiście N X = 0 i= X i=. Wyznaczamy Nadto Stąd E N X = 0P(X = = 0 =. E N X = 0P(X = + 90P(X =, X = = 0 + 90 9 = 0 = 0. Var N X = 0 =.. (Eg / W urnie znajduje się 00 kul ponumerowanych od do 00. Losujemy bez zwracania kul i zapisujemy numery, a następnie wrzucamy kule z powrotem do urny. Czynność powtarzamy razy. Oblicz wartość oczekiwaną liczby kul, które zostały wylosowane co najmniej razy. Odp: D->,. Rozwiązanie. Zadanie rozwiązujemy przez zmienne włączeniowe. Niech X i, i {,..., 00} przyjmuje wartość jeśli kula z numerem i pojawiła się co najmniej razy w losowaniu i 0 w przeciwnym przypadku. Oczywiście szukana odpowiedź to 00 E X i = 00P(X =. i= Żeby policzyć P(X = zauważmy, że w każdym z losowań kula i miała prawdopodobieństwo, że się pojawi. Zatem P(X = = k= ( k ( k ( k = ( ( =. Czyli wynik to 00,.. (Eg / Z urny, w której są kule białe i czarne, wylosowane jedną kulę a następnie wrzucono ja z powrotem dorzucając kulę w tym samym kolorze co wylosowana. Następnie z urny wylosowano kule, wrzucono je z powrotem dorzucając kule identyczne jak wylosowane. Następnie wylosowano kule. Okazało się, że są to kule białe. Oblicz p-stwo, że w drugim losowaniu wylosowane kule różnych kolorów. Odp: A-> 9. Rozwiązanie. Potrzebujemy struktury drzewa aby opisać kolejne losowania Wyznaczamy Stan P-p Stan P-p Stan P-p (, (, (b, b, b (, (, (b, b, b (, (, (b, b, b (, (, (b, b, b (, (, (b, b, b P(, (b, b, b = + + + + + = 9.

Teraz wyznaczamy Stąd P(, (b, c;, (b, b, b = + =. P(, (b, c;, (b, b, b = 9.. (Eg /W urnie znajdują się kule, z których każda jest oznaczona jedną z liter alfabetu: 0 kul oznaczonych literą A. 0 kul oznaczonych literą B. 0 kul oznaczonych literą C. x kul oznaczonych innymi literami alfabetu. Losujemy bez zwracania 9 kul z urny. Zmienne losowe N A, N B, N C oznaczają, odpowiednio, liczbę wylosowanych kul z literami A, B, C. Jakie musi być x, aby zmienne losowe N A +N B oraz N B +N C były nieskorelowane. Odp: C-> x =. Rozwiązanie. Korzystamy ze zmiennych A i, B i, C i, X i, i 9 gdzie zmienne przyjmują wartości 0 lub, przy czym jeśli na pozycji w i-tym losowaniu wybrano odpowiednio A, B, C oraz inną literę. Zachodzi N A = 9 i= A i, N B = 9 i= B i N C = 9 i= C i. Należy wyliczyć Cov(N A, N B, Cov(N B, N C, Cov(N C, N A. Zachodzi nadto Stąd 0 EN A = 9 0 + x, EN 0 B = 9 0 + x, EN 0 C = 9 0 + x, 0 0 EN A N B = EA B = 0 + x 9 + x, 0 0 EN B N C = EB C = 0 + x 9 + x, 0 0 EN C N A = EC A = 0 + x 9 + x, ENB = EB B + 9EB 0 9 = 0 + x 9 + x + 9 0 0 + x. Cov(N A, N B = Cov(N B, N C = Cov(N B, N C = 9 0 0 0 + x ( 9 + x 9 0 + x = 9 0c 0( x (0 + x (9 + x, 9 0 0 0 + x ( 9 + x 9 9 0 0( x = 0 + x (0 + x (9 + x, 9 0 0 0 + x ( 9 + x 9 9 0 0( x = 0 + x (0 + x (9 + x, Cov(N B, N B = 9 0 0 + x ( 9 9 + x + 9 0 0 + x = 9 0(x + 9x + 0 (0 + x. (9 + x Zatem N A + N B i N B + N C są nieskorelowane jeśli 0 = Cov(N A + N B, N B + N C = Cov(N A, N B + Cov(N C, N A + Cov(N B, N B + Cov(N B, N C

co jest równoważne Przekształcając to równanie 00(x + + 0(x + 9x + 0 = 0. x + x = 0. Rozwiązaniami tego równanie są x = ±, czyli x = i x =. Interesują nas wyłącznie rozwiązania dodatnie zatem x =.