Materia na koo I

1. Podaj i zilustruj diagramami Venna prawa de Morgana na przykadzie 2 zdarze. (3 pkt)

I prawo De Morgana:
dopenienie sumy zbiorw jest rwne czci wsplnej (iloczynowi) ich dopenie

II prawo De Morgana:
dopenienie czci wsplnej (iloczynu) zbiorw jest rwne sumie ich dopenie

2. Podaj definicj i zilustruj diagramem Venna ukad zupeny zdarze. (4 pkt)

Zdarzenia A1, A2, A3, ., An tworz ukad zupeny, gdy ich suma jest zdarzeniem pewnym, a take
zdarzenia te s parami rozczne. Ukad zupeny zdarze jest rwnie nazywany cakowitym
ukadem zdarze.
Warunek 1. (suma zdarze jest zdarzeniem pewnym / suma prawdopodobiestw musi by rwna 1)
Warunek 2. (zdarzenia s parami rozczne)
dla

3. Podaj aksjomatyczn definicj prawdopodobiestwa. (3 pkt)

Prawdopodobiestwem nazywamy funkcj P(A), ktra kademu zdarzeniu losowemu A
przyporzdkowuje pewn liczb rzeczywist, zgodn z aksjomatami.
Wasnoci prawdopodobiestwa (aksjomaty):
P(A) 0
1 P(A) 0
P() = 1
(prawdopodobiestwo zajcia zdarzenia pewnego jest rwne 1)
jeeli AnB = , to P(AuB) = P(A) + P(B) => jeeli zdarzenia A i B s rozczne to
prawdopodobiestwo ich sumy jest rwne sumie
prawdopodobiestw
P() = 0
Jeeli A i A' s zdarzeniami przeciwnymi, to P(A') = 1 P(A)
P(AuB) = P(A) + P(B) P(AnB)

4. Podaj definicj Laplace'a prawdopodobiestwa. (2 pkt)

Prawdopodobiestwem zdarzenia A nazywamy stosunek liczby nA (okrelajcej ilo zdarze
elementarnych, sprzyjajcych zajciu zdarzenia A) do liczby nW (okrelajcej ilo wszystkich
zdarze elementarnych).
Warunkiem stosowania tej definicji prawdopodobiestwa jest to, e wszystkie zdarzenia
elementarne s jednakowo prawdopodobne (jest to tautologia).
Wad tej definicji jest fakt, e obie liczby (zarwno nA, jak i nW) musz by skoczone i znane.

5. Podaj geometryczn definicj prawdopodobiestwa. (2 pkt)

Prawdopodobiestwo geometryczne zajcia zdarzenia A jest stosunkiem miary obszaru gA (ktry
jest obszarem sprzyjajcym zajciu zdarzenia A) do obszaru G (ktry jest obszarem obejmujcym
zajcie wszystkich moliwych zdarze). Jest ono okrelone wzorem:

gdzie:
gA obszar (powierzchnia, objto) sprzyjajcy zajciu zdarzenia A
G obszar odpowiadajcy zajciu wszystkich moliwych zdarze
W przeciwiestwie do definicji Laplace'a prawdopodobiestwa, w przypadku definicji
geometrycznej zbiory nie musz by skoczone wystarczy, e maj one swoj reprezentacj
geometryczn.

6. Podaj czstociow definicj prawdopodobiestwa. (2 pkt)

Jest to jedna z klasycznych definicji prawdopodobiestwa.
Jeeli przy wielokrotnym powtarzaniu w jednakowych warunkach tego samego dowiadczenia (w
wyniku ktrego moe zaj zdarzenie losowe A) czsto wystpowania tego zdarzenia, przy
rosncej liczbie powtrze, dy do ustalonej wartoci to t wielko przyjmujemy za
prawdopodobiestwo zajcia zdarzenia A.
Prawdopodobiestwo zdarzenia jest abstrakcyjnym odpowiednikiem pojcia czstoci wystpienia
zdarzenia w serii dowiadcze.

7. Wyprowad wzr na prawdopodobiestwo sumy dwch zdarze losowych. (4 pkt)

A B = A ( B \ A B)
A ( B \ A B) =

// zdarzenia s rozczne, a wic prawdopodobiestwo sumy jest

rwne sumie prawdopodobiestw
P ( A B ) = P ( A) + P ( B \ A B )
B = ( A B) ( B \ A B)
( A B) ( B \ A B) =

// zdarzenia s rozczne, a wic prawdopodobiestwo

sumy jest rwne sumie prawdopodobiestw

P (B) = P ( A B ) + P ( B \ A B )
P ( A B ) = P ( A) + P ( B \ A B )
P (B) = P ( A B ) + P ( B \ A B )

(*)
=> P ( B \ A B ) = P(B) - P ( A B )
podstawiamy do rwnania (*) i otrzymujemy
P ( A B ) = P ( A) + P ( B ) P ( A B )

wzr na prawdopodobiestwo sumy: P ( A B ) = P ( A) + P ( B ) P ( A B )

c. n. d.

8. Wyprowad wzr na prawdopodobiestwo sumy trzech zdarze losowych. (4 pkt)

9. Podaj definicj prawdopodobiestwa warunkowego i jego wasnoci. (4 pkt)

Prawdopodobiestwo warunkowe (zdarzenie A wystpio pod warunkiem, e zaszo zdarzenie B)
jest oznaczone P(A|B) i jest definiowane wzorem:
gdzie P(B) > 0
analogicznie: prawdopodobiestwo warunkowe (zdarzenie B wystpuje pod warunkiem, e zaszo
zdarzenie A) jest oznaczone P(B|A) i jest definiowane wzorem:
gdzie P(A) > 0
Prawdopodobiestwo warunkowe spenia wszystkie aksjomaty rachunku prawdopodobiestwa:
1. 0 P(A|B) 1
2. P(|B)=1
3.

10. Udowodni prawdziwo aksjomatw rachunku prawdopodobiestwa dla

prawdopodobiestwa warunkowego. (5 pkt)
Dowd 1.

Dowd 2.
P(|B) = P(nB) / P(B)
nB = B
P(|B) = P(B) / P(B) = 1

Dowd 3.

11. Podaj twierdzenie prawdopodobiestwie zupenym. (2 pkt)

Jeeli zdarzenia B1, B2, B3, . , BN tworz ukad zupeny zdarze to (dla dowolnego zdarzenia A)
jego bezwarunkowe prawdopodobiestwo (nazywane prawdopodobiestwem zupenym /
prawdopodobiestwem cakowitym) moemy obliczy ze wzoru:

12. Udowodnij twierdzenie o prawdopodobiestwie zupenym (5 pkt)

13. Podaj twierdzenie Bayesa. (3 pkt)

Jeeli zdarzenia Hn (n = 1, 2, , N) tworz ukad zupeny zdarze, to dla dowolnego zdarzenia A,
dla ktrego P(A) > 0, prawdopodobiestwa warunkowe P(Hn | A) s dane wzorem:

n = 1, 2, N
14. Udowodnij twierdzenie Bayesa. (5 pkt)
Dowd:

n = 1, 2, . , N

15. Podaj interpretacj twierdzenia Bayesa. (4 pkt)

Interpretacja:
- zdarzenia Hn to hipotezy stawiane odnonie przyczyny wyniku eksperymentu na podstawie
wyniku eksperymentu (zdarzenia A); [mamy wynik eksperymentu (zdarzenie A) i na tej podstawie
stawiamy hiptezy Hn dotyczce przyczyny wyniku eksperymentu]
- twierdzenie Bayesa pozwala na obliczenie prawdopodobiestwa poszczeglnych hipotez, przy
zaoeniu, e znany jest wynik eksperymentu,
- prawdopodobiestwa poszczeglnych hipotez przy znanym skutku P(Hn|A) [prawdopodobiestwa
a posteriori] obliczamy korzystajc z prawdopodobiestw:
* warunkowych, wyniku eksperymentu przy znanej przyczynie (znanej hipotezie)
P(A|Hn)
* bezwarunkowych prawdopodobiestw hipotez- P(Hn) [prawdopodobiestwa
a priori]

16. Podaj definicj niezalenoci dla dwch zdarzenia losowych. (3 pkt)

Mwimy, e dwa zdarzenia losowe s niezalene statystycznie wtedy i tylko wtedy, gdy:

Dla zdarze niezalenych zachodzi:

P ( A B ) = P ( A | B ) P (B ) = P (B | A ) P ( A )
P ( A B ) = P ( A ) P (B )

17. Udowodnij, e jeeli zdarzenia losowe A i B s niezalene, to niezalene s take zdarzenia

A i B'. (5 pkt)

czy P(B'|A) = P(B') ?

P (B | A) = P (B )
c. n. d.

18. Czy dwa zdarzenia losowe, ktre s rozczne s take niezalene? Odpowied
uzasadnij. (4 pkt)
Nie.
(brak uzasadnienia)

19. Podaj definicj wzajemnej niezalenoci dla N>2 zdarze losowych. (4 pkt)
Zdarzenia A1,A2, ..., AN s wzajemnie niezalene wtedy i tylko wtedy, kiedy dla dowolnego zbioru
liczb cakowitych n1,n2, , nm, takich, e 1n1 <n2<...<nm n i m=2, 3, ...., n , prawdziwy jest wzr:

20. Podaj definicj zmiennej losowej. (3 pkt )

Funkcj X() nazywamy zmienn losow jeeli spenia ona nastpujce warunki:
-przyjmuje wartoci rzeczywiste i jest okrelona na przestrzeni elementarnych zdarze losowych
={}, dla ktrej jest okrelona funkcja prawdopodobiestwa P() ;
-dla kadej liczby rzeczywistej x (x e R) zbir {:X()<x} jest zdarzeniem losowym.
Funkcja X() odwzorowuje kade zdarzenie elementarne w punkt na osi liczb rzeczywistych
R=(-,).
Oznaczenie: X X()
21.Podaj definicj i wymie waciwoci dystrybuanty zmiennej losowej. (5 pkt )
Dystrybuant zmiennej losowej nazywamy funkcj:
Fx(x) = P(X < x);
czasem wzr ten podawany jest w postaci:
Fx(x) = P(X x);
Waciwoci dystrybuanty:
- jest funkcj niemalejc
jeeli x1 < x2, to:
F X ( x2 ) = P ( X < x2 ) = P ( X < x1 ) + P ( x 1 X < x2 ) \ = F X ( x1 ) + P ( x 1 X < x2 )
std FX ( x2 ) FX ( x1 )
- zachodzi:
FX ( ) = P ( X < ) = P ( ) = 0
FX ( + ) = P ( X < + ) = P ( ) = 1
- jest ona funkcj lewostronnie cig:
- zachodzi:
P( x1 X x2) = FX (x2) FX (x1)
-jeeli w pewnych punktach wystpuje niecigo dystrybuanty, to w tych punktach
warto skoku dystrybuanty jest rwna prawdopodobiestwu przyjcia przez zmienn losow
wartoci rwnej punktowi niecigoci :
P ( X = x1 ) = FX (x1+) FX ( x1 )

22. Podaj definicj gstoci prawdopodobiestwa zmiennej losowej cigej i uzasadnij

nazw tej funkcji. (4 pkt )
Gstoci prawdopodobiestwa nazywamy funkcj:
pX (x) = dFX(x) / dx ;
(gsto prawdopodobiestwa to pochodna dystrybuanty po zmiennej losowej)
Nazwa gsto prawdopodobiestwa odnosi si do faktu, e jest to funkcja opisujca rozkad
prawdopodobiestwa (rozkad zmiennej losowej).

23. Podaj waciwoci gstoci prawdopodobiestwa zmiennej losowej cigej. (3 pkt)

Spenia ona warunek normalizacyjny:

a take:
pX(x) 0 ,
pX(x) = F'(x), gdzie F jest dystybuant (musi ona by funkcj rniczkowaln)

24. Jakie znasz rodzaje zmiennych losowych i czym si one rni? (4 pkt)
Zmienne losowe mona podzieli na:
- cige (zmienna losowa jest typu cigego, jeeli jej dystrybuanta jest funkcj absolutnie cig
tzn. ma pochodn prawie wszdzie [za wyjtkiem przeliczalnej liczby punktw])
- dyskretne (ziarniste) s to zmienne losowe, ktrych dystrybuanta jest wyraona krzyw
schodkow;
- mieszane - dystrybuanta zmiennej losowej mieszanej ma posta:
F ( x) = 1 F 1 ( x) + 2 F 2 ( x)
1 + 2 = 1
gdzie 1 0
F1 ( x) - jest funkcj schodkow
F2 ( x) - jest funkcj absolutnie cig

25. Jak mona jednolicie opisa za pomoc gstoci prawdopodobiestwa zmienne losowe
cige, dyskretne i mieszane. (5 pkt)
pochodna uskoku jednostkowego:
x

pochodna dystrybuanty schodkowej:

26. Jak znajc gsto prawdopodobiestwa zmiennej losowej mona obliczy jej
dystrybuant? (3 pkt)
Dla zmiennej losowej cigej, przy znanej gstoci prawdopodobiestwa, dystrybuanta moe by
obliczona ze wzoru:

27. Jak mona obliczy prawdopodobiestwo przyjcia przez zmienn losow wartoci z
przedziau < a,b). Podaj interpretacj geometryczn. (3 pkt)
Prawdopodobiestwo to moemy obliczy ze wzoru:
b

P( a < X b ) = f ( x ) dx

f(x)

28. Jak posta ma dystrybuanta i gsto prawdopodobiestwa mieszanej zmiennej

losowej? (4 pkt)
Dystrybuanta mieszanej zmiennej losowej:
F ( x) = 1 F 1 ( x) + 2 F 2 ( x)
1 + 2 = 1
gdzie 1 0
F1 ( x) - jest funkcj schodkow
F2 ( x) - jest funkcj absolutnie cig
(brak sposobu wyznaczenia gstoci prawdopodobiestwa)

29. Podaj definicj wektora losowego. (3 pkt)

Wektor losowy to wielowymiarowa zmienna losowa (jest to N-wymiarowa zmienna losowa zoona
z N jednowymiarowych zmiennych losowych).
Jest on reprezentowany przez macierz kolumnow, zapisywan w postaci wektora:
(strzaka nad pierwszym X, po lewej stronie znaku rwnoci; wszystkie X podkrelone; na
wykadach nie uywalimy omegi [])

30. Podaj definicj dystrybuanty wektora losowego i waciwoci tej funkcji. (5 pkt)
Dystrybuant wektora losowego (dystrybuant czn) nazywamy funkcj:

Waciwoci:
- jest funkcj niemalejc,
- jest funkcj lewostronnie cig,
- jeeli jeden (lub wicej) argumentw dystrybuanty przyjmuje warto -, to jej warto wynosi 0
- zachodzi:
- zachodzi:

(w powyszych wzorach przecinek jest rwny znakowi sumy )

31. Podaj definicj gstoci prawdopodobiestwa wektora losowego i waciwoci tej

funkcji. (4 pkt)
Gsto prawdopodobiestwa wektora losowego (gsto czna) wyraa si wzorem:

Wasnoci:

(warunek normalizacyjny)

32. Napisz wzr pozwalajcy na obliczenie dystrybuanty wektora losowego przy znanej
jego gstoci prawdopodobiestwa. (3 pkt)
Przy znanej gstoci prawdopodobiestwa moemy obliczy dystrybuant ze wzoru:

33. Jak z N-wymiarowej dystrybuanty wektora losowego mona obliczy jego dystrybuanty
brzegowe? (3 pkt)
Wasnoci dystrybuanty wektora losowego jest to, e:

W zwizku z powyszym prawdziwe jest rwnanie:

Obliczone w ten sposb dystrybuanty poszczeglnych skadowych wektora losowego:

nazywamy dystrybuantami brzegowymi dystrybuanty cznej wektora losowego.

34. Jak z N-wymiarowej gstoci prawdopodobiestwa wektora losowego mona obliczy

jego gstoci brzegowe? (3 pkt)

Chcc obliczy gsto brzegow skadowej Xn naley scakowa gsto czn WL po

realizacjach wszystkich pozostaych skadowych WL (wedug wzoru rozpisanego wyej) .

Rozkady warunkowe:
Rozpatrujemy dwuwymiarowy wektor losowy:

P (X1 = x1,n1, X2 = x1,n2 )

ni = 1, 2,..., Ni ;
i = 1, 2
Jego skadowe s dyskretnymi zmiennymi losowymi o rozkadach podanych poniej:

Rozkadem warunkowym skadowej X1, przy warunku, e skadowa X2 przyja ustalon

warto jest zbir prawdopodobiestw warunkowych:

35. Podaj definicj warunkowej gstoci prawdopodobiestwa. (4 pkt)

Gsto warunkowa pierwszej skadowej wektora losowego zmiennej losowej X przy
warunku, e druga skadowa wektora losowego zmiennej losowej Y przyja warto y0 (Y = y0)
wyraa si wzorem:

36. Podaj definicj niezalenoci dwch zmiennych losowych. (3 pkt)

Dwie zmienne losowe X, Y s niezalene statystycznie wtedy i tylko wtedy, jeeli ich
dystrybuanta czna jest rwna iloczynowi dystrybuant brzegowych:
co jest rwnowane:
Dla niezalenych statystycznie zmiennych losowych X i Y przyjcie przez zmienn losow Y ( X )
konkretnej wartoci nie ma wpywu na rozkad zmienn losow X ( Y ).

37. Podaj definicj niezalenoci dwch wektorw losowych. (3 pkt)

Mamy dane dwa wektory losowe:

s niezale ne statystycznie wtedy i tylko wtedy, kiedy:

lub

38. Jak mona obliczy prawdopodobiestwo zdarzenia losowego A zwizanego ze

zmienn losow X (np. A=(X<x0)), ktra jest powizana statystycznie ze zmienn losow
Y (znana jest gsto prawdopodobiestwa cznego WL [ X, Y ] ) ? (5 pkt)

39. Jak mona obliczy gsto brzegow danej skadowej dwuwymiarowego wktora losowego
jeeli znana jest gsto warunkowa tej skadowej przy ustalonej wartoci drugiej skadowej i
danej bezwarunkowej gstoci prawdopodobiestwa drugiej skadowej? (4 pkt)

gdzie:

40. Podaj i omw twierdzenie Bayesa dla zmiennych losowych. (5 pkt)

Interpretacja:

41. Podaj i opisz wzr na gsto prawdopodobiestwa ZL bdcej funkcj

deterministyczn zmiennej losowej o znanej gstoci prawdopodobiestwa. (5 pkt)
Rozpatrzmy dyskretn zmienn losow X o rozkadzie:

i jej funkcj, zmienn losow Y :

Y = g(X)
Gsto prawdopodobiestwa zmiennej losowej, przy warunkach podanych w poleceniu, mona
obliczy ze wzoru:

42. Podaj definicj wartoci redniej i sposoby jej obliczania dla ZL dyskretnych i cigych.
(5 pkt)
a) zmienne losowe dyskretne
Wartoci redni zmiennej losowej dyskretnej o rozkadzie

nazywamy liczb EX, zdefiniowan wzorem:

b) zmienne losowe cige

Wartoci redni zmiennej losowej cigej o rozkadzi e
nazywamy liczb EX, zdefiniowan wzorem:

- operator urednienia statystycznego

Warunek istnienia tak zdefiniowanej wartoci redniej:

Zastosowanie definicji wartoci redniej dla zmiennej losowej cigej do zmiennej losowej
dyskretnej :

waciwo filtrujca funkcji delta Diraca

Waciwoci operatora

Materia na koo II

1.Jak jest oznaczany i jak budow ma operator urednienia statystycznego? (2 pkt)

Opetor urednienia statystycznego oznacza si:

a) zmienne losowe dyskretne

Wartoci redni zmiennej losowej dyskretnej o rozkadzie

nazywamy liczb EX, zdefiniowan wzorem:

b) zmienne losowe cige

Wartoci redni zmiennej losowej cigej o rozkadzi e
nazywamy liczb EX, zdefiniowan wzorem:

- operator urednienia statystycznego

Warunek istnienia tak zdefiniowanej wartoci redniej:

Zastosowanie definicji wartoci redniej dla zmiennej losowej cigej do zmiennej losowej
dyskretnej :

waciwo filtrujca funkcji delta Diraca

2. Jakie waciwoci ma operator urednienia statystycznego? (5 pkt)

Waciwoci operatora

(tylko dla zmiennych niezalenych)

3. Udowodnij, e warto rednia waonej sumy dwch zmiennych losowych jest rwna
waonej sumie wartoci rednich tych zmiennej losowej. (4 pkt)

4. Udowodnij, e warto rednia iloczynu niezalenych zmiennych losowych jest rwna

iloczynowi ich wartoci srednich. (4 pkt)

5. Podaj wzr na obliczenie E(X|Y=y0), przy zaoeniu, e znana jest gsto

prawdopodobiestwa cznego zmiennej losowej X i Y. (3 pkt)

6. Udowodnij prawdziwo wzoru E ( X ) = E ( E ( X | Y = y ))

wiedzc, e

podstawiamy to do wzoru i otrzymujemy:

Moment rzdu k wzgldem liczby:

Momentem rzdu k zmiennej losowej X wzgldem liczby a nazywamy warto redni:

k= 1, 2, .

7. Podaj definicj i wzory dla obliczenia momentu zwykego rzdu k zmiennej losowej
dyskretnej i cigej. (3 pkt)
Momentem zwykym rzdu k zmiennej losowej X nazywamy moment rzdu k wzgldem liczby 0:

k = 1, 2, .
czsto wystpuje rwnie oznaczenie:

8. Podaj definicj i wzory dla obliczenia momentu centralnego rzdu k ZL dyskretnej i

cigej. (3 pkt)
Momentem centralnym rzdu k zmiennej losowej X nazywamy jej moment rzdu k wzgldem
wartoci redniej:

k = 1, 2, ...

9. Podaj definicj i wzory dla obliczenia wariancji i odchylenia standardowego zmiennej

losowej dyskretnej i cigej. (3 pkt)
Wariancja zmiennej losowej X nazywamy moment centralny rzdu 2 zmiennej losowej X .
Jest ona miar rozrzutu wartoci zmiennej losowej wok wartoci redniej .
Wyraamy j wzorem:

Odchylenie standardowe to pierwiastek kwadratowy z momentu centralnego rzdu 2 zmiennej

losowej X (wariancji). Jest okrelane wzorem:
Dodatkowo: odchylenie standardowe to najmniejsza warto jak moe przyj odchylenie
redniokwadratowe.
Odchylenie redniokwadratowe wzgldem liczby a jest zdefiniowane jako:

10. Podaj definicj i wzory obliczeniowe odchylenia redniokwadratowego dla ZL dyskretnej

i cigej. (3 pkt)
Odchylenie redniokwadratowe wzgldem liczby a jest zdefiniowane jako:

11. Jak szczegln waciwo ma odchylenie redniokwadratowe? (2 pkt)

Szczegln wasnoci odchylenia redniokwadratowego jest to, e najmniejsza warto, ktr ono
przyjmuje jest odchylenie standardowe.

12. Wymie waciwoci wariancji. (4 pkt)

a)

b)
dla
c)
W(X) = E(X2) - [E(X)]2

dla a = 0 mamy:

d)
W(X) = E(X2) [E(X)]2
W ( X + a) = E (( X + a ) 2) [E ( X + a )]2 = E(X2 + 2aE(X) + a2) [(E(X))2 + 2aE(X) + a2] =
E(X2) + 2aE(X) + a2 - (E(X))2 - 2aE(X) a2 = W(X)

e)

f)
wariancja sumy niezalenych zmiennych losowych jest rwna sumie wariancji zmiennych
losowych

g)
wariancja rnicy dwch niezalenych zmiennych losowych jest rwna sumie ich wariancji
h)
wariancja kombinacji liniowej niezalenych zmiennych losowych jest rwna :

13. Udowodnij jedn z 4 pierwszych podanych na wykadzie waciwoci wariancji. (4 pkt)

14. Na czym polega normowanie ZL i jakie waciwoci ma unormowana ZL (4 pkt)

Normowanie zmiennej losowej polega na takim przeksztaceniu liniowym danej zmiennej losowej
X , aby uzyska zmienn losow Y o zerowej wartoci redniej i jednostkowej wariancji:

15. Zdefiniuj i opisz waciwoci rozstpu, wspczynnika asymetrii i wspczynnika

spaszczenia ZL. (4 pkt)
Rozstp - rnica midzy kresem grnym i kresem dolnym wartoci jakie moe przyjmowa
zmienna losowa
Wspczynnik asymetrii (skono) rozkadu zmiennej losowej:
gdzie:
- odchylenie standardowe
3 - moment centralny rzedu 3
Wspczynnik spaszczenia (kurtoza) miara smukoci rozkadu ZL w odniesieniu do smukoci
rozkadu normalnego:
odjcie 3 w powy szym wzorze spowodowane jest tym, e dla rozkadu normalnego

Std:
K < 0 rozkad bardziej spaszczony od rozkadu Gaussa
K = 0 spaszczenie jak dla rozkadu Gaussa
K > 0 rozkad mniej spaszczony od rozkadu Gaussa

16. Podaj definicj i ilustracj geometryczn kwantyla rzdu p zmiennej losowej cigej. (3
pkt)
Kwantyl rzdu p (0< p<1) zmiennej losowej cigej o dystrybuancie FX(x) jest liczb xp speniajc
rwnanie :

17. Podaj definicj i ilustracj geometryczn mediany i kwartyli dla ZL cigej. (3 pkt)
Kwantyl rzdu 1/2: x1/2 to mediana (Me(X)=x1/2)
Kwantyl rzdu 1/4: x1/4 to kwartyl dolny
Kwantyl rzdu 3/4: x3/4 to kwartyl grny

18. Podaj definicj i wzr dla obliczenia momentu mieszanego zwykego rzdu k1+k2 dla
dwch zmiennych losowych o znanej gstoci prawdopodobiestwa cznego (3 pkt)
Rozpatrzmy dwuwymiarowy wektor losowy

Dla ZL bdcych skadowymi wektora losowego definiujemy momenty statystyczne zwyke

mieszane rzdu k1+k2:
k1, k2 = 0, 1, 2, .

k1, k2 = 0, 1, 2, .

19. Podaj definicj i wzr dla obliczenia momentu mieszanego centralnego rzdu k1+k2 dla
dwch zmiennych losowych o znanej gstoci prawdopodobiestwa cznego (3 pkt)
Moment centralny mieszany rzdu k1+k2:

k1, k2 = 0, 1, 2, .

k1, k2 = 0, 1, 2, .

20. Podaj definicje i wzory dla obliczenia korelacji i kowariancji dwch zmiennych losowych o
znanej gstoci prawdopodobiestwa cznego (3 pkt)
Korelacja zmiennych losowych X1 i X2 to moment zwyky rzdu 2:

Kowariancja zmiennych losowych X1 i X2 to moment centralny rzdu 2:

21. Podaj definicje ortogonalnoci i nieskorelowania dwch zmiennych losowych (2 pkt)

Jeeli
Jeeli

, to mwimy, e zmienne losowe X1 i X2 s ortogonalne.

, to mwimy, e zmienne losowe X1 i X2 s nieskorelowane.

22. Wyprowad zwizek midzy kowariancj i korelacj dwch ZL (4 pkt)

23. Udowodnij, e jeeli zmienne losowe s niezalene, to s te nieskorelowane. Czy

nieskorelowanie zmiennych losowych wiadczy o ich niezalenoci? (4 pkt)
Jeeli zmienne losow X1 i X2 s niezalene statystycznie, to s te nieskorelowane .
Dowd:

Twierdzenie odwrotne w oglnym przypadku nie jest prawdziwe (czyli nieskorelowanie zmiennych
losowych w oglnym przypadku nie wiadczy o ich niezalenoci).

24. Podaj definicj i rozpisz na elementy macierz korelacji trjwymiarowego wektora

losowego. (5 pkt)
Macierz korelacji

to macierz, ktrej elementami s wszystkie momenty zwyke drugiego rzdu

wektora losowego
Dla trjwymiarowego wektora losowego macierz koerlacji wyglda nastpujco:

25. Podaj definicj i rozpisz na elementy macierz kowariancji trjwymiarowego wektora

losowego. (5 pkt)
Macierz kowariancji

to macierz, ktrej elementami s wszystkie momenty centralne drugiego

rzdu wektora losowego

26. Podaj definicj i waciwoci wspczynnika korelacji (unormowanego wspczynnika

kowariancji) [3 pkt]
Jest to wspczynnik, ktry okrela, w jakim stopniu zmienne s wspzalene (miara korelacji
zmiennych).

Wikszo wzorw, ktre okrelaj wspczynnik korelacji, jest normalizowana w taki sposb, aby
warto wspczynnika przybieraa wartoci od -1 (zupena korelacja ujemna), przez 0 (brak
korelacji) do +1 (zupena korelacja dodatnia).
Wasnoci wspczynnika korelacji:

27. Podaj definicj funkcji charakterystycznej zmiennej losowej i wzory dla jej obliczenia dla
ZL dyskretnej i cigej. (4 pkt)
Funkcj charakterystyczn zmiennej losowej X nazywamy funkcj zespolon zdefiniowan
wzorem:
gdzie:
a) dla zmiennej losowej cigej:

b) dla zmiennej losowej dyskretnej:

28. Podaj waciwoci funkcji charakterystycznej (4 pkt)

1.

2.
3.
4.
jeeli Y = aX + b , to:

5.
funkcja charakterystyczna sumy niezalenych zmiennych losowych
jest rwna iloczynowi funkcji charakterystycznych tych zmiennych losowych:

6.
funkcja charakterystyczna sumy niezalenych zmiennych losowych jest rwna iloczynowi funkcji
charakterystycznych tych zmiennych losowych jeeli w tym przypadku zmienne losowe maj
jednakowe rozkady, to:

29. Udowodnij wybran waciwo funkcji charakterystycznej. (4 pkt)

Dowd dla wasnoci

30. Jak majc funkcj charakterystyczn mo na obliczy rozkad prawdopodobiestwa ZL?

(4 pkt)
a) dla zmiennej losowej dyskretnej (przyjmujcej wartoci, ktre s liczbami naturalnymi):

k = 1, 2, .
b) dla zmiennej losowej cigej:

31. Podaj i udowodnij wzr na obliczenie momentu rzdu k zmiennej losowej za pomoc
funkcji charakterystycznej. (5 pkt)
Jeeli istniej momenty zwyke rzdu k zmiennej losowej, to mog by one obliczone za pomoc
pochodnych jej funkcji charakterystycznej:

32. Podaj definicj funkcji charakterystycznej dla dwuwymiarowego wektora losowego. (3

pkt)
Funkcj charakterystyczn wektora losowego postaci:

definiujemy wzorem:

33. Podaj nierwno Markowa. (3 pkt)

Przyjmujemy, e X to zmienna losowa przyjmujca wartoci nieujemne, o skoczonej wartoci
redniej:

Wtedy:

34. Udowodnij nierwno Markowa. (4 pkt)

35. Podaj nierwno Czebyszewa. (3 pkt)

Dla zmiennej losowej X o skoczonej wartoci redniej
i skoczonej wariancji
wystpuje nierwno:

36. Udowodnij nierwno Czebyszewa. (4 pkt)

37. Podaj CTG i objanij jego znaczenie. (4 pkt )

CTG to centralne twierdzenie graniczne (twierdzenie Lindeberga - Levyego ).
Dany jest cig zmiennych losowych X1, X2, ... niezalenych o jednakowych rozkadach i
skoczonych wartociach rednich m i wariancjach
Niech
Warto rednia i wariancja Zn s rwne odpowiednio:
i
Unormowan zmienn losow Zn oznaczamy:

Przy powyszych zaoeniach cig dystrybuant

jest zbieny do dystrybuanty unormowanego rozkadu normalnego , to znaczy:

38. Czym zajmuje si statystyka? (2 pkt)

Statystyka to nauka zajmujca si metodami pozyskiwania i prezentacji pewnych danych, a take
ich analiza, w celu opisania pewne zjawisk. Stosuje si j wszdzie tam, gdzie chodzi o poznanie
prawidowoci w zakresie zjawisk masowych.
Wykorzystuje si j przy:
- opisywaniu waciwoci jednostek statystycznych ,
- wyraaniu za pomoc liczb cech mierzalnych,
- wyraeniu sownym cech niemierzalnych,
- obserwacjach statystycznych (przyporzdkowaniu wartoci cechom statystycznym),
- zbieraniu materiau statystycznego,
- badaniu kompletnych (badanie populacji generalnej),
- badaniach czciowych (s to badania, w ktrych bierze si pod uwag jeden pozdbir danych
zawierajcych si w populacji generalnej) prba statystyczna

39. Jakie waciwoci musi mie prba reprezentatywna? (2 pkt)

Prba reprezentatywna:
- kady element populacji generalnej powinien mie zapewnion jednakow szans
zakwalifikowania go do prby;
- liczba elementw prby musi by dostatecznie liczna .
Wasnoci prby:
czstoci wystpowania w prbie okrelonych cech nie powinny silnie rni si od czstoci ich
wystpowania w populacji generalnej - std: elementy prby losujemy z populacji generalnej (prba
losowa)

40. Co to jest prba losowa prosta? (2 pkt)

Prb losow n-elementow nazywamy cig zmiennych losowych X1, . . . , Xn o tym
samym rozkadzie. Jeli, dodatkowo, zmienne X1, . . . , Xn s niezalene, to prb tak nazywamy
prb losow prost.

41. Co to jest szereg statystyczny uporzdkowany i szereg rozdzielczy? (2 pkt)

Szereg statystyczny uporzdkowany to uporzdkowany w kolejnoci rosncej zbir obserwacji
statystycznych cechy mierzalnej.
Szereg rozdzielczy to przedzia wartoci, w ktrym zawieraj si wszystkie elementy szeregu
uporzdkowanego dzielimy na przedziay klasowe (klasy szeregu rozdzielczego), najczciej o
jednakowej szerokoci; aby wyznaczy szereg rozdzielczy wyznaczamy granice przedziaw
klasowych, a pniej obliczamy rodki przedziaw klasowych (suma wartoci granic danego
przedziau klasowego podzielona przez 2). S to tzw. reprezentanci klas lub warianty klasowe.

42. Jakie znasz rodzaje histogramw i jak s one obliczane? (4 pkt)

Histogram jest wykresem supkowym, w ktrym szerokoci poszczeglnych supkw odpowiadaj
dugoci przedziaw klasowych szeregu rozdzielczego, a wysokoci liczebnoci tych przedziaw.
Wyrniamy:
-histogram liczebnoci, gdy wysokoci supkw odpowiadaj liczebnoci przedziaw klasowych,
-histogram czstoci, gdy wysokoci supkw odpowiadaj czstoci przedziaw klasowych,
-histogram czstoci wzgldnych otrzymujemy z histogramu czstoci bezwzgldnych, dzielc go
przez liczno szeregu uporzdkowanego,
-histogram unormowany otrzymujemy z histogramu czstoci wzgldnych, dzielc kady jego
element przez szeroko przedziau klasowego .

43. Wymie reguy doboru liczby przedziaw klasowych. (3 pkt)

Zasady doboru przedziaw klasowych
R liczebno szeregu uporzdkowanego

R := 10000

1.

2.

3.
+ liczno adnego z przedziaw klasowych
nie powinna by mniejsza od 5

4.

44. Na czym polega estymacja parametrw? (3 pkt)

Estymacja to obliczanie wartoci nieznanych lub wielkoci losowych na podstawie znajomoci
wynikw obserwacji, bdcych realizacjami zmiennych losowych,
Rozrniamy dwie podstawowe klasy problemw zwizanych z estymacj:
a) estymowana wielko jest ustalona lecz nieznana; (np. majc zbir realizacji zmiennej
losowej gaussowskiej o nieznanej wartoci redniej naley obliczy estymat tej wartoci
redniej) ; estymacja parametrw (np. wartoci redniej, wariancji, wspczynnikw korelacji
(kowariancji) );
b) estymowana wielko jest zmienn losow; ( np. staramy si odtworzy sygna wejciowy (z
natury losowy) do pewnego ukadu dysponujc zaszumionymi prbkami sygnau wyjciowego z
tego ukadu); estymacja zmiennych losowych (problemy zwizane z filtracj, predykcj).

45. Podaj zasad estymacji parametrw metod najwikszej wiarygodnoci. (3 pkt)

Zakadamy, e dysponujemy zbiorem wynikw pomiarw reprezentowanym przez wektor losowy
X (wektor obserwacji). Wektor losowy X moe by utworzony przez zbir obserwacji skalarnych.
Pojedyncze obserwacje mog by zalene lub niezalene statystycznie.
Zakadamy, e znany jest typ rozkadu prawdopodobiestwa wektora losowego (np. rozkad
Gaussa, rozkad rwnomierny itp. ), lecz nie jest znana warto ustalonego parametru .
Gsto prawdopodobiestwa wektora obserwacji oznaczymy:
Estymat najwikszej wiarygodnoci parametru , przy danym wektorze obserwacji
nazywamy tak warto , dla ktrej

przyjmuje warto maksymaln i oznaczamy j

Funkcj
nazywamy nazywamy funkcji wiarygodnoci. Poniewa wektor obserwacji
przyjmuje wartoci losowe, zatem moemy zapisa funkcj wiarygodnoci w postaci:
Estymator najwikszej wiarygodnoci definiujemy jako:

46. Jaka jest rnica midzy estymat a estymatorem? (3 pkt)

Estymata jest to warto estymatora danej cechy statystycznej dla zadanej populacji obliczanego dla
konkretnej prby (np. rednia arytmetyczna).
Estymator jest statystyk suc do szacowania wartoci parametru rozkadu. Celem zastosowania
estymatora jest znalezienie parametru rozkadu cechy w populacji.
Estymator = zmienna losowa
Estymata = realizacja estymatora

47. Wymie i opisz waciwoci estymatorw. (5 pkt)

- nieobciono
wystpuje ona, kiedy speniony jest warunek:
W przeciwnym przypadku estymator jest obciony, a wielko:
nazywamy obcieniem estymatora.
Estymator jest asymptotycznie obciony, jeeli speniony jest warunek:

- zgodno
estymator

jest zgodny, jeli:

Cig zmiennych losowych N dla rosncych wartoci N jest zbieny w prawdopodobiestwie do

prawdziwej wartoci estymowanego parametru.
- efektywno
nieobciony estymator danego parametru jest efektywny w odniesieniu do innego, nieobcionego
estymatora tego parametru, jeeli ma mniejsz od niego wariancj
- jeeli estymator N jest nieobciony i efektywny w stosunku do estymatora N-1 , to estymator
N jest zgodny,
- obciony estymator A danego parametru jest efektywny w odniesieniu do innego, obcionego
estymatora tego parametru B, jeeli ma mniejszy od niego bd redniokwadratowy

48. Podaj nierwno Cramera-Rao i napisz na czym polega jej znaczenie. (4 pkt)
Jeeli N jest nieobcionym estymatorem parametru , to jego wariancja spenia nierwno:

Estymator, dla ktrego zachodzi ta rwno, jest nazywany najbardziej efektywnym lub
estymatorem o najmniejszej wariancji.