Professional Documents
Culture Documents
II prawo De Morgana:
dopenienie czci wsplnej (iloczynu) zbiorw jest rwne sumie ich dopenie
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.
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 )
Dowd 2.
P(|B) = P(nB) / P(B)
nB = B
P(|B) = P(B) / P(B) = 1
Dowd 3.
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:
n = 1, 2, N
14. Udowodnij twierdzenie Bayesa. (5 pkt)
Dowd:
n = 1, 2, . , N
P ( A B ) = P ( A | B ) P (B ) = P (B | A ) P ( A )
P ( A B ) = P ( 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:
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
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)
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:
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:
Rozkady warunkowe:
Rozpatrujemy dwuwymiarowy wektor losowy:
lub
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:
Interpretacja:
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
Zastosowanie definicji wartoci redniej dla zmiennej losowej cigej do zmiennej losowej
dyskretnej :
Waciwoci operatora
Materia na koo II
Zastosowanie definicji wartoci redniej dla zmiennej losowej cigej do zmiennej losowej
dyskretnej :
3. Udowodnij, e warto rednia waonej sumy dwch zmiennych losowych jest rwna
waonej sumie wartoci rednich tych zmiennej losowej. (4 pkt)
wiedzc, e
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:
k = 1, 2, ...
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 :
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
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:
Twierdzenie odwrotne w oglnym przypadku nie jest prawdziwe (czyli nieskorelowanie zmiennych
losowych w oglnym przypadku nie wiadczy o ich niezalenoci).
wektora losowego
Dla trjwymiarowego wektora losowego macierz koerlacji wyglda nastpujco:
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:
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:
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:
definiujemy wzorem:
Wtedy:
R := 10000
1.
2.
3.
+ liczno adnego z przedziaw klasowych
nie powinna by mniejsza od 5
4.
Funkcj
nazywamy nazywamy funkcji wiarygodnoci. Poniewa wektor obserwacji
przyjmuje wartoci losowe, zatem moemy zapisa funkcj wiarygodnoci w postaci:
Estymator najwikszej wiarygodnoci definiujemy jako:
- zgodno
estymator
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.