Příklady na procvičení z NMFM202

Podobné dokumenty
1 Klasická pravděpodobnost. Bayesův vzorec. Poslední změna (oprava): 11. května 2018 ( 6 4)( 43 2 ) ( 49 6 ) 3. = (a) 1 1 2! + 1 3!

Klasická pravděpodobnost a geometrická pravděpodobnost

Příklady na procvičení z NMSA202

Příklady na procvičení z NSTP022

matematická statistika 1 Klasická pravděpodobnost

z Matematické statistiky 1 1 Konvergence posloupnosti náhodných veličin

1. Klasická pravděpodobnost

1. Klasická pravděpodobnost

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a statistika (BI-PST) Cvičení č. 7

1 Rozptyl a kovariance

STP022 PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA PŘÍKLADY LS 2005/2006

Příklad 2 (klasický pravděpodobnostní prostor hod dvěma desetistěnnými kostkami). Uvažujme

KGG/STG Statistika pro geografy

Charakterizace rozdělení

1. Klasická pravděpodobnost

Zápočtová písemka z Matematiky III (BA04) skupina A

NMAI059 Pravděpodobnost a statistika

Pojmy z kombinatoriky, pravděpodobnosti, znalosti z kapitoly náhodná veličina, znalost parciálních derivací, dvojného integrálu.

Pravděpodobnost a statistika I KMA/K413

Výběrové charakteristiky a jejich rozdělení

1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.

Poznámky k předmětu Aplikovaná statistika, 5.téma

Pravděpodobnost a matematická statistika

Pravděpodobnost a statistika (BI-PST) Cvičení č. 4

Určete zákon rozložení náhodné veličiny, která značí součet ok při hodu a) jednou kostkou, b) dvěma kostkami, c) třemi kostkami.

Přednáška. Diskrétní náhodná proměnná. Charakteristiky DNP. Základní rozdělení DNP

Minikurz aplikované statistiky. Minikurz aplikované statistiky p.1

Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

MATEMATICKÁ STATISTIKA

n = 2 Sdružená distribuční funkce (joint d.f.) n. vektoru F (x, y) = P (X x, Y y)

NÁHODNÁ VELIČINA. 3. cvičení

2. Friesl, M.: Posbírané příklady z pravděpodobnosti a statistiky. Internetový zdroj (viz odkaz).

Téma 22. Ondřej Nývlt

správně - A, jeden celý příklad správně - B, jinak - C. Pro postup k ústní části zkoušky je potřeba dosáhnout stupně A nebo B.

Náhodná veličina. Michal Fusek. 10. přednáška z ESMAT. Ústav matematiky FEKT VUT, Michal Fusek

Příklad 1: Házíme dvěma kostkami. Stanovte pravděpodobnost jevu, že na kostkách padne součet menší než 5.

Statistika II. Jiří Neubauer

Tématické celky { kontrolní otázky.

Příklady ke čtvrtému testu - Pravděpodobnost

VYBRANÁ ROZDĚLENÍ. SPOJITÉ NÁH. VELIČINY Martina Litschmannová

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík

ina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou)

prof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Pravděpodobnost a statistika Katedra teoretické informatiky Fakulta informačních technologií

STP022 PŘÍKLADY LS 2004/2005

Náhodná veličina Číselné charakteristiky diskrétních náhodných veličin Spojitá náhodná veličina. Pravděpodobnost

Vícerozměrná rozdělení

PRAVDĚPODOBNOST A STATISTIKA

Cvičení ze statistiky - 5. Filip Děchtěrenko

Definice spojité náhodné veličiny zjednodušená verze

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně

Řešení. Označme po řadě F (z) Odtud plyne, že

Někdy lze výsledek pokusu popsat jediným číslem, které označíme X (nebo jiným velkým písmenem). Hodíme dvěma kostkami jaký padl součet?

Jan Hamhalter. 1. Náhodná veličina je dána maximem počtu ok při šesti hodech hrací kostkou. Určete pravděpodobnostní funkci a střední hodnotu. j.

8.1. Definice: Normální (Gaussovo) rozdělení N(µ, σ 2 ) s parametry µ a. ( ) ϕ(x) = 1. označovat písmenem U. Její hustota je pak.

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní

NÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN?

MATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci

S1P Příklady 02. Náhodná proměnná (veličina) Mějme krabičku o rozměrech 1 x 2 x 3 cm. Na stranách jsou obrázky: :

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

NÁHODNÝ VEKTOR. 4. cvičení

MATEMATICKÁ STATISTIKA - XP01MST

Pravděpodobnost a statistika

Bakalářské studium na MFF UK v Praze Obecná matematika Zaměření: Stochastika. 1 Úvodní poznámky. Verze: 13. června 2013

Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014

MATEMATICKÁ STATISTIKA 1, CVIČENÍ (NMSA331) Poslední úprava dokumentu: 17. listopadu 2016

AKM CVIČENÍ. Opakování maticové algebry. Mějme matice A, B regulární, potom : ( AB) = B A

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2016

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X

Náhodná veličina a rozdělení pravděpodobnosti

Semestrální písemka BMA3 - termín varianta A13 vzorové řešení

JAK MODELOVAT VÝSLEDKY NÁH. POKUSŮ? Martina Litschmannová

2. Je dáno jevové pole (Ω;A) a na něm nezáporná normovaná funkce. Definujte distrubuční funkci náhodného vektoru.

5. B o d o v é o d h a d y p a r a m e t r ů

AVDAT Náhodný vektor, mnohorozměrné rozdělení

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

Poznámky k předmětu Aplikovaná statistika, 4. téma

Poznámky k předmětu Aplikovaná statistika, 4. téma

6.1 Normální (Gaussovo) rozdělení

5. Jev B je částí jebu A. Co můžeme říct o podmíněné pravděpodobnosti? (1b)

VYBRANÁ ROZDĚLENÍ. DISKRÉTNÍ NÁH. VELIČINY Martina Litschmannová

I. D i s k r é t n í r o z d ě l e n í

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2017

Pravděpodobnost Podmíněná p. Úplná p. III. Pravděpodobnost. III. Pravděpodobnost Statistika A (ZS 2015)

8.4. Shrnutí ke kapitolám 7 a 8

PRAVDĚPODOBNOST A STATISTIKA

Pravděpodobnost a matematická statistika

Odhady - Sdružené rozdělení pravděpodobnosti

EXTRÉMY FUNKCÍ VÍCE PROMĚNNÝCH

p(x) = P (X = x), x R,

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

MATEMATIKA III V PŘÍKLADECH

ÚVOD. Rozdělení slouží: K přesnému popisu pravděpodobnostního chování NV Střední hodnota, rozptyl, korelace atd.

Diskrétní náhodná veličina

SPOJITÉ ROZDĚLENÍ PRAVDĚPODOBNOSTI. 7. cvičení

Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a

PRAVDĚPODOBNOST A STATISTIKA. Bayesovské odhady

Transkript:

Příklady na procvičení z NMFM202 Naposledy změněno: 24. října 203 Klasická pravděpodobnost. Z kartiček s čísly, 2, 3, 4, 5 náhodně vybereme tři a položíme je v pořadí, v němž jsme je vybrali. Jaká je pravděpodobnost, že vzniklé trojciferné číslo je sudé? 2. Ve sportce se sází 6 čísel, losuje se 6 ze 4. Spočtěte pravděpodobnost, že právě 4 čísla vsadíme správně. 3. Skupina 0 studentů, z nichž 3 jsou z MFF, se náhodně seřadí do fronty. Určete pravděpodobnost, že 3 studenti z MFF budou vedle sebe. 4. Uvažujme n různých dopisů a n různých obálek (již s nadepsanou adresou). Zmatená sekretářka umístí dopisy do obálek zcela náhodně. (a) Jaká je pravděpodobnost, že je alespoň jeden dopis ve správné obálce? (b) S jakou pravděpodobností není žádný dopis ve správné obálce? Spočtěte limitu této pravděpodobnosti pro n. 5. Mějme skupinu n osob (n > 5) o kterých můžeme předpokládat, že se narodili nezávisle na sobě. Spočítejte pravděpodobnost, že (a) žádný z nich se nenarodil ve středu; (b) právě dva se narodili v pondělí a právě tři v sobotu; (c) existuje den v týdnu, ve kterém se nikdo z nich nenarodil. 2 Nezávislost, podmíněná pravděpodobnost, úplná pravděpodobnost, Bayesův vzorec 6. Třikrát po sobě hodíme mincí a zaznamenáme výsledek. Označme rub jako R a líc jako L. Rozhodněte, zda jsou jevy A = RRR, LRR, RLL, LLL}, B = RRL, RLR, LLR, LLL} a C = RRL, RLR, LRL, LLL} nezávislé. 7. Rozhodněte o platnosti následujících tvrzení. Své rozhodnutí vždy řádně zdůvodněte (uveďte důkaz nebo protipříklad). (a) Jestliže jsou jevy A, B nezávislé, pak o nezávislosti jevů A C, B C obecně neumíme rozhodnout. (b) Jestliže P (A B) P (A) > 0, pak P (B A) P (B). (c) Existují A, B neslučitelné jevy, tj. A B =, takové, že P (A) 0, P (B) 0 a A, B jsou nezávislé. (d) Jestliže platí P (A B) = P (A B C ), pak jsou jevy A, B nezávislé. (e) Jestliže P (B) > 0, pak P (A B) P (A). 8. Roztržitý profesor zapomene v obchodě deštník s pravděpodobností /4. Cestou ze školy navštívil čtyři obchody a domů přišel bez deštníku. Jaká je pravděpodobnost, že deštník zapomněl ve čtvrtém obchodě?

. Tři skupiny studentů řeší obtížný příklad. Ve skupině A jsou 3 velmi chytří studenti a každý z nich vyřeší příklad s pravděpodobností 0.8. Ve skupině B jsou 4 průměrní studenti a každý z nich vyřeší příklad s pravděpodobností 0.6. Ve skupině C jsou 2 slabí studenti a každý z nich vyřeší příklad s pravděpodobností pouze 0.4. (a) S jakou pravděpodobností náhodně vybraný student vyřeší příklad? (b) Náhodně vybraný student příklad nevyřešil. Ze které skupiny nejpravděpodobněji byl? (c) Studenti pracují nezávisle. S jakou pravděpodobností bude příklad vyřešen alespoň jedním studentem? 0. V krabici je 5 tenisových míčků, z toho úplně nových. Pro první hru si náhodně vybereme 3 míčky a po skončení hry je vrátíme zpátky. Pro druhou hru vybereme opět 3 míčky. Určete pravděpodobnost toho, jsou že všechny 3 míčky použité v druhé hře nové.. Slovo humor se v americké angličtině píše jako HUMOR a v britské angličtině jako HU- MOUR. Na zahradní slavnosti byly 2/3 Američanů a /3 Britů. Náhodně vybraný člověk napsal slovo humor (svým způsobem) a z tohoto slova bylo náhodně vybráno jedno písmeno. S jakou pravděpodobností byl daný člověk Brit, jestliže bylo vybráno písmeno U? 2. V truhle je neznámý počet mincí: jedna zlatá mince a náhodný počet stříbrných mincí, přičemž stříbrných mincí je právě k s pravděpodobností e k! pro k = 0,,.... Náhodně vylosujeme jednu minci a ta je zlatá. Jaké je pravděpodobnost, že v truhle bylo právě k stříbrných mincí za této dodatečné informace? 3. Ve sbírce 50 obrazů je 5 padělků. Jestliže je obraz falešný, znalec to pozná s pravděpodobností 80%. Je-li obraz originál, znalec ho mylně posoudí s pravděpodobností 5%. Určete (a) pravděpodobnost, že obraz je originál, jestliže byl znalcem označen za originál, (b) pravděpodobnost, že obraz je padělaný, jestliže byl znalcem označen za padělek. 4. Každý lékařský test je charakterizován svojí senzitivitou a specificitou, kde senzitivita = pravděpodobnost pozitivního výsledku, je-li testovaná osoba nemocná, specificita = pravděpodobnost negativního výsledku, je-li testovaná osoba zdravá. Pro test zjišťující přítomnost HIV viru v těle se uvádí senzitivita.% a specificita.7%. Uvažujme hypotetickou populaci, ve které se vyskytuje % lidí s virem HIV. (a) Jaká je pravděpodobnost, že je osoba s pozitivním výsledkem testu skutečně HIV pozitivní? (b) Jaká je pravděpodobnost, že je osoba ve skutečnosti HIV pozitivní, dává-li test negativní výsledek? (c) U pozitivně testovaných jedinců se test provádí ještě jednou. Jaká je pravděpodobnost, že je člověk skutečně HIV pozitivní, byl-li i druhým testem označen za HIV pozitivního? 5. Na stole jsou dvě kostky růžová a bledě zelená. Růžová kostka je pravidelná devítistěnná kostka, bledě zelená je pravidelná dvanáctistěnná kostka. (a) Náhodně vybereme kostku a hodíme. Jaká je pravděpodobnost, že padne šestka? Jaká je pravděpodobnost, že padne jedenáctka? (b) Padla jednička, jaká je pravděpodobnost, že jsme házeli růžovou kostkou? (c) Nyní předpokládejme, že děvčatům se více líbí růžová kostka, a tak si ji vyberou s pravděpodobností 4/5. Naopak, chlapci si vyberou bledě zelenou kostku s pravděpodobností 2/3. Jaká je pravděpodobnost, že padne šestka, házel-li chlapec? 2

Jaký je pravděpodobnost, že padne šestka, házela-li dívka? Jaká je pravděpodobnost, že padne šestka, házel-li náhodný student ze třídy, ve které je 0 chlapců a 5 dívek? 3 Náhodná veličina diskrétní rozdělení 6. Diskrétní náhodná veličina X nabývá pouze hodnot, 2, 3 s pravděpodobnostmi P (X = k) = c k 2 k =, 2, 3. Spočítejte konstantu c, střední hodnotu E X a rozptyl var X, distribuční funkci F a pravděpodobnost P (X 2). Určete dále rozdělení veličiny Y = (X 2) 2 a E Y. 7. Náhodná veličina X nabývá pouze hodnot, 0,, 2, a to s pravděpodobnosti P (X = ) = 6, P (X = 0) = 2, P (X = ) = 2 a P (X = 2) = a. Určete konstantu a, tak aby se jednalo o pravděpodobnostní rozdělení. Spočítejte střední hodnotu E X a rozptyl var X. Určete rozdělení veličiny Y = X 2 a spočítejte E Y. 8. Basketbalista hází na koš, jeho pokusy jsou nezávislé a v každém z nich se trefí s pravděpodobností p (0, ). Rozhodl se, že skončí teprve až vhodí k košů. Označme X počet neúspěšných hodů předcházejících k-tému úspěchu (k-tému vhozenému koši). Určete rozdělení náhodné veličiny X.. Na stole leží N kostek, kde N je náhodná veličina s rozdělením P (N = i) = /6, i =,..., 6. (a) Spočtěte střední hodnotu a rozptyl veličiny N. (b) Určete rozdělení N za podmínky, že součet čísel na všech kostkách dohromady je roven 5. (c) Určete rozdělení N za podmínky, že na kostkách padly právě 4 šestky. 20. Adam a Bedřich hrají následující hru. Každý hodí jednou (pravidelnou šestistěnnou) kostkou. Pokud je na obou kostkách součet pět, tak vyhrává Adam. Pokud je součet sedm, tak vyhrává Bedřich. Pokud není součet ani pět ani sedm, tak toto kolo skončilo nerozhodně a oba dva házejí znovu. (a) Určete pravděpodobnost, že Adam vyhraje v k-tém kole. (b) Určete pravděpodobnost, že Adam vyhraje. (c) Určete střední hodnotu počtu odehraných kol. 2. Karel, Franta a Cyril postupně hází kostkou v pořadí K F C. Komu první padne šestka, ten vyhrává, a hra v takovém případě končí. (a) Určete pravděpodobnost, s jakou Cyril vyhraje v k-tém kole. (b) Určete pravděpodobnost, že Franta hodil kostkou právě k-krát. (c) Určete, s jakou pravděpodobností vyhraje Karel (resp. Franta, Cyril). (d) Jaký je očekávaný počet Cyrilových hodů kostkou? 22. Předpokládejme, že počet aut, která projedou mezi 7. a 8. hodinou pracovního dne pražskou ulicí 5. května se řídí Poissonovým rozdělením s parametrem λ > 0. Předpokládejme dále, že p 00 % (0 < p < ) řidičů překročí na měřeném úseku povolenou rychlost 50 km/h. Určete, jakým rozdělením se řídí počet přestupků zaznamenaných měřičem rychlosti na pražské ulici 5. května mezi 7. a 8. hodinou pracovního dne. 3

4 Náhodná veličina spojité rozdělení 23. Náhodná veličina X má rozdělení s hustotou c e x pro x [0, ], f(x) = 0 jinak. Určete konstantu c, distribuční funkci F (x), kvantilovou funkci F (u), střední hodnotu E X a rozptyl var (X). 24. Nechť k > a uvažujme rozdělení s hustotou f(x) = c/ x pro k < x < k + a f(x) = 0 jinak. Spočtěte konstantu c > 0, E X, var (X) a medián X. 25. Náhodná veličina X má distribuční funkci F X. Určete hustotu f a kvantilovou funkci F X (u). F X (x) = x 2, x, = 0, jinak 26. Náhodná veličina X má rozdělení s hustotou f(x) = 3x 2 pro 0 < x < a f(x) = 0 jinak. Určete střední hodnotu a rozptyl veličiny Z = X. 27. Náhodná veličina X má rozdělení dané hustotou a ln x, x (, e), f(x) = 0, jinak. Určete konstantu a, distribuční funkci náhodné veličiny X a její střední hodnotu. 28. Mějme 00 studentů jejichž věk se dá považovat za nezávislé náhodné veličiny, z nichž každá má střední hodnotou 22 a směrodatnou odchylkou 6 let. Dokažte, že pravděpodobnost, že jejich průměrný věk leží v intervalu od 20 do 24 let je alespoň 0,. 2. Náhodná veličina X má rozdělení dané hustotou ( ), x 0,, f(x) = 0, jinak. (a) Určete šikmost a špičatost X. (b) Určete absolutní třetí centrální moment, tj. E X E X 3. (c) Rozhodněte, zda platí E ( ) X < E X 30. Veličina X má rozdělení s hustotou f(x) = c sin x pro 0 < x < π, 0 jinak. (a) Určete konstantu c > 0 a distribuční funkci F (načrtněte). (b) Spočítejte střední hodnotu E X. (c) Vyjádřete kvantilovou funkci F a určete medián. (d) Určete střední hodnotu a rozptyl náhodné veličiny Y = cos(x). 4

5 Náhodné vektory 3. Máme modrou a zelenou pravidelnou šestistěnnou kostku. Na každé z kostek je každé z čísel, 2, 3 právě dvakrát. Oběma kostkami hodíme zároveň. Označme X celkový součet na obou kostkách a Y rozdíl mezi číslem padlým na modré kostce a na zelené kostce. (a) Určete sdružené rozdělení vektoru (X, Y ). (b) Určete marginální rozdělení X a Y. Jsou náhodné veličiny X a Y nezávislé? (c) Určete kovarianci X a Y. 32. Náhodný vektor (X, Y ) má rovnoměrné rozdělení na jednotkovém kruhu, tj. jeho hustota je dána jako f(x, y) = c pro x 2 + y 2 a f(x, y) = 0 jinak. Určete konstantu c a marginální rozdělení veličin X a Y. Rozhodněte, zda jsou veličiny X a Y nezávislé. 33. Nechť (X, Y ) je náhodný vektor s hustotou f(x, y) = c(x 2 + y 2 ) pro 0 < x <, 0 < y < a f(x, y) = 0 jinak. (a) Určete konstantu c. (b) Jsou veličiny X a Y nezávislé? (c) Spočtěte cov (X, Y ). (d) Spočtěte P (X > Y ). ( (e) Spočtěte E X 2 +Y 2 ). 34. Náhodná veličina X má hustotu f(x) = 2 e x pro x R. (a) Označme Y = X 2. Spočtěte kovarianci veličin X a Y. Jsou X a Y nezávislé? (b) Označme Z = 54 5,2 X. Spočtěte koeficient korelace ρ XZ. 35. Hustota náhodného vektoru Z = (X, Y ) T je c x y pro 0 x, 0 y 2, y 2 x, f(x, y) = 0 jinak. (a) Určete konstantu c. (b) Určete marginální hustoty f X a f Y. (c) Jsou náhodné veličiny X a Y nezávislé? (d) Určete konstantu P (X > Y ). (e) Určete E ( ) X Y. 6 Podmíněná rozdělení 36. Chystáte oslavu narozenin ve své oblíbené restauraci a zvete všechny své příbuzné (budete za ně platit). Množství peněz, které všichni Vaši hosté dohromady projí a propijí (v tisíci Kč), jsou náhodné veličiny X a Y. Ze zkušenosti víte, že vektor (X, Y ) má spojité rozdělení charakterizované sdruženou hustotu f(x, y) = x + y pro 0 < x <, 0 < y <, 0 jinak. (a) Najděte podmíněnou hustotu útraty za jídlo při dané útratě za alkohol. 5

(b) Najděte podmíněnou střední hodnotu útraty za jídlo při dané útratě za alkohol. 37. Hustota náhodného vektoru Z = (X, Y ) T je c y, je-li x <, y > 0, x + y <, y x < f(x, y) = 0 jinak. (a) Určete konstantu c. (b) Určete podmíněnou hustotu Y, je-li dáno X = x. (c) Určete E (Y X ) a nakreslete si E (Y X = x ) jako funkci x. (d) Určete E (X Y ) a nakreslete si E (X Y = y ) jako funkci y. (e) Ověřte, že E ( E (Y X ) ) = E Y. (f) Určete var (Y X). 38. Nechť má náhodný vektor (X, Y ) rozdělení s hustotou f(x, y) = c y I M (x, y), kde M = (x, y) : 0 y, y x y + } a c > 0 je vhodná konstanta. Určete [ E X log ( ) ] Y Y Y 3. Podmíněná hustota veličiny X je 2x pro x y, y 2, f X Y (x y) = y 2 0 jinak. Hustota veličiny Y je Najděte hustotu f X veličiny X. f Y (y) = 4 y(y2 ) pro y 2, 0 jinak. 40. Náhodný vektor (X, Y ) T má sdruženou hustotu cx 2 (y + x) 2, když (x, y) [0, ] 2, f(x, y) = 0 jindy. Najděte podmíněné hustoty. 4. Nechť X a Y jsou nezávislé s geometrickým rozdělením s parametrem p (0, ). Určete P [X = k X + Y = s ]. 42. Nechť X a Y jsou nezávislé R(0, ) rozdělené. Určete E [X + Y X], E [XY X]. 6

7 Transformace náhodných veličin 43. Nechť X má binomické rozdělení s parametry (n, p) a Y má binomické rozdělení s parametry (n 2, p), X a Y jsou nezávislé. Určete rozdělení Z = X + Y. 44. Veličina X má rozdělení s hustotou f(x) = c sin x pro 0 < x < π, 0 jinak. (a) Jaké rozdělení má náhodná veličina Y = cos(x)? 45. Náhodná veličina X má rozdělení s hustotou f(x) = 3x 2 pro 0 < x < a f(x) = 0 jinak. Určete (a) Rozdělení veličiny Y = X 3. (b) Střední hodnotu a rozptyl veličiny Z = X. 46. Nechť má náhodná veličina X rovnoměrné rozdělení na intervalu [0, π]. Definujme veličiny Y = X 2 a Z = sin(x). Určete (a) rozdělení (hustotu) veličiny Y a její střední hodnotu, (b) rozdělení (hustotu) a střední hodnotu veličiny Z. 47. Nechť X Exp(λ). Určete rozdělení veličiny Y = X/λ. 48. Nechť X Exp(λ). Určete rozdělení veličiny Y = X k, k N. 4. Určete rozdělení objemu a povrchu krychle s náhodnou délkou hrany s rovnoměrným rozdělením na (0, ). Určete střední hodnoty těchto hodnot. 50. Nechť náhodná veličina X má rovnoměrné rozdělení na (0, ). Najděte hustotu náhodné veličiny Y = (X 2 3 )2. 5. Nechť X má gama rozdělení G(n, λ), kde n N, λ > 0 jsou parametry. To jest, X má hustotu λ n f(x) = Γ(n) xn e λx, x > 0, 0, jinak. Nechť Y = 2 λ X. (a) Určete hustotu náhodné veličiny Y. (b) Určete střední hodnotu a rozptyl náhodné veličiny Y. 7

8 Transformace náhodných vektorů 52. Náhodné veličiny X, Y jsou nezávislé s binomickým rozdělením Bi(n, p) a Bi(m, p). Jaké je rozdělení X + Y? 53. Nechť X a Y jsou nezávislé a nabývají celé kladné hodnoty k s pravděpodobností 2 k. Najděte rozdělení jejich součtu. 54. Nechť X a Y jsou nezávislé náhodné veličiny, přičemž X má rovnoměrné rozdělení na intervalu [0, ] a Y má rovnoměrné rozdělení na intervalu [, 0]. Označte si W = X Y a Z = X + Y. (a) Určete rozdělení, střední hodnotu a rozptyl náhodné veličiny Z. (b) Spočtěte E (ZW ). 55. Nechť X,..., X n jsou nezávislé stejně rozdělené náhodné veličiny s distribuční funkcí F a hustotou f. Označme U = max i n X i a V = min i n X i. (a) Spočtěte distribuční funkci a hustotu veličiny U. (b) Spočtěte distribuční funkci a hustotu veličiny V. (c) Nechť F a f odpovídají rovnoměrnému rozdělení na intervalu [0, ]. Spočtěte v tomto případě E U, var (U), E V a var (V ). 56. Předpokládejme, že doba čekání na autobus je náhodná veličina A s exponenciálním rozdělením se střední hodnotou /µ. Poté přestupujeme na vlak a doba čekání V na jeho příjezd má exponenciální rozdělení, tentokrát se střední hodnotou /λ. Lze předpokládat, že A a V jsou nezávislé náhodné veličiny. (a) Určete rozdělení (distribuční funkci a hustotu) celkové doby čekání A + V. (b) Jaká je střední hodnota a rozptyl celkové doby čekání? (c) Zajímá nás, o kolik déle budeme čekat na vlak než na autobus. Určete proto střední Jaká je pravděpodobnost, že budeme na vlak čekat o více než k minut déle než na autobus (k R)? Jaká je pravděpodobnost, že budeme na vlak čekat právě o k minut déle než na autobus (k R)? (d) Jaká je pravděpodobnost, že budeme na vlak čekat více než k násobek doby čekání na autobus (k > 0)? 57. Najděte rozdělení součtu veličin U, U 2, jestliže tyto jsou nezávislé a (a) U R(0, ), U 2 R(0, ), (b) U R(0, ), U 2 R(0, 2). 58. Nechť jsou X, Y nezávislé náhodné veličiny s rovnoměrným rozdělením R[, 2]. Určete rozdělení a střední hodnotu náhodné veličiny U = X Y. 5. Nechť X a Y mají sdruženou hustotu f(x, y) = c[xy + θ(x + y)] pro 0 < x < 2θ a 0 < y < 2θ, = 0 jinak, kde c = c θ je nějaká konstanta a θ > 0 je reálný parametr. (a) Spočítejte konstantu c θ. (b) Spočítejte střední hodnotu X a Y. 8

(c) Spočítejte cov (X, Y ). (d) Jsou X a Y nezávislé? (e) Spočítejte hustotu náhodné veličiny X/Y a určete její střední hodnotu. 60. Náhodný vektor (X, Y ) T má sdruženou hustotu λ 2 e λy, když 0 x y, f(x, y) = 0 jinde. Jsou Y a X X Y nezávislé? 6. Buď (X, Y ) T náhodný vektor s rovnoměrným rozdělením na množině (0, ) 2. Určete rozdělení náhodného vektoru ( exp(x + Y ), exp(x Y ) ). 62. Nechť X, Y jsou nezávislé rovnoměrně rozdělené na [0, π/2]. Určete rozdělení Z = cos(x Y ). 63. Nechť X a Y jsou nezávislé stejně rozdělené náhodné veličiny s rovnoměrným rozdělením R[0, ]. Nechť D = minx, Y } a H = maxx, Y }. Určete sdruženou hustotu vektoru (D, H). Jsou D a H nezávislé? Určete cov (D, H). 64. Nechť Z = (X, Y ) T má rovnoměrné rozdělení na jednotkovém kruhu, tj. f XY (x, y) = π I (x, y) : x 2 + y 2 }. Nechť ( ) ( ) U X W = = 2 + Y 2 V arccotg ( ) X. Y (a) Určete rozdělení náhodného vektoru W. (b) Určete marginální rozdělení náhodných veličin U a V. (c) Zjistěte, zda jsou náhodné veličiny U a V nezávislé. (d) Jak by se změnily výsledky, jestliže bychom V definovali jako V = arctg ( ) X Y? 65. Nechť náhodný vektor (X, Y ) T má sdruženou hustotu f XY (x, y) = 2 sin 2 (x), π 2 < x < π 2, 0 < y <, 0, jinak. (a) Najděte sdruženou hustotu náhodného vektoru (W, Z) T = ( Y, Y 2 + sin(x) ) T. (b) Najděte hustotu náhodné veličiny Z = Y [ ] 2 + sin(x). (c) Spočtěte E ). ( cos arcsin Z W 2 66. Nechť náhodný vektor (X, Y ) T má sdruženou hustotu f XY (x, y) = 2 2 y, 0 < x <, 0 < y <, 2 0, jinak.

(a) Najděte sdruženou hustotu náhodného vektoru (W, Z) T = (b) Najděte hustotu náhodné veličiny Z = (c) Spočtěte E Z W 3. ( ) T. X, Y 2 + X Y 2 + X. 67. Nechť náhodný vektor (X, Y ) T má sdruženou hustotu y 3, < x <, < y <, f XY (x, y) = 0, jinak. (a) Najděte hustotu náhodné veličiny Z = X Y 2. (b) Spočtěte E Z. Normální rozdělení 68. Nechť X a Y jsou nezávislé náhodné veličiny. X má normální rozdělení N(0, 2) a Y má normální rozdělení N(, ). (a) Určete rozdělení X Y. (b) Určete P (X + Y > 0). (c) Najděte z takové, pro které platí P (X + Y > z) = 0,5. 0

Výsledky: Klasická pravděpodobnost. 2 5 2. (6 4)( 43 ( 4 6 ) 8! 3! 3. 0! = 5 4. (a) 2! + 3! + ( )n+ n! = n k= ( )k+ /k! = n k=0 ( )k /k!; (b) n k=0 ( )k /k! e = /e pro n 5. (a) ( 6 7 2 ) ) n (b) (n 2)( n 2 3 )5 n 5 7 n (c) 6 i= ( )i+( ) ( 7 7 i i 7 ) n 2 Výsledky: Nezávislost, podmíněná pravděpodobnost, úplná pravděpodobnost, Bayesův vzorec 6. Jevy jsou závislé. 7. (a) neplatí, A C a B C jsou nezávislé, (b) platí (c) neplatí (d) platí (e) neplatí 3 3 8. profesor: 4 4 3 4 = 27 75. studenti: (a) 28/45 (b) ze skupiny B (c) (0,2) 3 (0,4) 4 (0,6) 2 0. krabice s míčky: 528/55 = 0,08. HUMOR: 5/ 2. pro k = 0,, 2,... (e )(k + )! 3. obrazy: (a) 0,77 (b) 0,64 4. (a) 0,77, (b) 0 5, (c) 0, 5. (a) P ( 6 ) = 7/72, P ( ) = /24, (b) 4/7 (c) P ( 6 chlapec) = 5/54, P ( 6 dívka) = /80, P ( 6 ) = 57/620 3 Výsledky: Náhodná veličina diskrétní rozdělení 6. c = /4, E X = 8 7, var X = 4, F (x) = 0 x <, 4 x [, 2), 5 x [2, 3), 4 x 3.

P (X 2) = 3 4. Rozdělení Y : P (Y = 0) = 4/4 = 2/7 a P (Y = ) = /4 + /4 = 0/4 = 5/7, tj. Y má alternativní rozdělení A(p) s parametrem p = 5/7; E Y = 5 7 7. a = /4, E X = 5/2, var X = 55/44, rozdělení Y : P (Y = 0) = /2, P (Y = ) = P (Y = 4) = /4, E Y = 5/4 8. basketbalista: P (X = n) = ( ) n+k n p k ( p) n pro n = 0,, 2,.... (a) E N = 7/2, var N = 35/2 (b) P (N = i součet je 5 ) = 26 240, i =, 864 240, i = 2, 26 240, i = 3, 24 240, i = 4, 240, i = 5, 0, i = 6. (c) 0, i =, 2, 3 2 P (N = i právě 4 šestky ) = 87, i = 4, 50 87, i = 5, 25 87, i = 6. 20. Adam a Bedřich: (a) ( ) 3 k 8, k =, 2,...; (b) 2 8 5 ; (c) 5. 2. ( ) 5 3k (a) pro k =, 2,... 6 6 ( ) 5 3k 2 (b) pro k =, 2,... a /6 pro k = 0 26 6 (c) Karel 36/, Franta 30/, Cyril 25/ (d) E X = 50/ 22. Počet přestupků má Poissonovo rozdělení s parametrem pλ. 4 Výsledky: Náhodná veličina spojité rozdělení 23. c = /(e ), 0 x < 0, e F (x) = x, x [0, ], e, x >. F (u) = log( + u(e )) pro u (0, ), E X = e, var X = e2 3e+. (e ) 2 24. c = 2 log((k+)/k), E X = 0 = medián X (plyne ihned ze symetrie hustoty), 2k+ var (X) = c(2k + ) = 2 log((k+)/k) 25. f(x) = x Ix }, FX (u) = u pro u (0, ) 26. E Z = 3/2, var (Z) = 3/4 2

27. a =, 0, x, F (x) = x ln(x) x +, x (, e),, x e, E X = e2 4 + 4. 28. Použije se Čebyševova nerovnost. 2. (a) Šikmost γ 3 = 0, špičatost γ 4 = 5. (b) E X E X 3 = 32. (c) Z Jensenovy nerovnosti nebo přímým výpočtem lze zjistit, že platí obrácená nerovnost, tj. E ( ) X > E X 30. (a) c = /2, 0, x < 0, F (x) = ( cos x)/2 = sin 2 (x/2), 0 x π,, x > π (b) E X = π/2 = medián X (plyne ihned ze symetrie hustoty) (c) F (u) = arccos( 2u), u (0, ) (d) E Y =, var (Y ) = 3 F(x) 0.0 0.2 0.4 0.6 0.8.0 F (u) 0.0 0.5.0.5 2.0 2.5 3.0 0 2 3 4 x 0.0 0.2 0.4 0.6 0.8.0 u 5 Výsledky: Náhodné vektory 3. (a) Y -2-0 2 2 0 0 0 0 3 0 0 0 X 4 0 0 5 0 0 6 0 0 0 0 0 (b) P (X = 2) = P (X = 6) =, P (X = 3) = P (X = 5) = 2, P (X = 4) = 3. P (Y = 2) = P (Y = 2) =, P (Y = ) = P (Y = ) = 2, P (Y = 0) = 3. X a Y nejsou nezávislé. 3

(c) cov (X, Y ) = 0. 32. c = /π, f X (x) = 2 π Ix (, )} = f x 2 Y (x), veličiny nejsou nezávislé. 33. (a) 3 2 (b) Nejsou nezávislé. (c) cov (X, Y ) = 3 8 ( ) 5 2 8 = 64. 34. (a) cov (X, Y ) = 0, veličiny X a Y však nejsou nezávislé. (b) ρ XZ =. 6 Výsledky: Podmíněná rozdělení 36. (a) f Y X (y x) = 2(y+x) +2x Iy (0, )} pro x (0, ) a f Y X(y x) není definována pro x (0, ). (b) E [Y X = x] = 2+3x 3(+2x) pro x (0, ) a E [Y X = x] není definována pro x (0, ). 37. (a) c = 3. (b) f Y X (y, x) = 2y I y (0, x ) } pro x (, ), pro jiná x nedefinována. ( x ) 2 (c) E (Y X = x ) = 2 3 ( x ) pro x (, ), pro jiná x nedefinována. E (Y X ) = 2 3 ( X ). (d) E (X Y = y ) = 0 pro y (0, ), pro jiná y nedefinována. (e) E ( E (Y X ) ) = 2 3 ( E X ) =... = 2 = E Y. (f) var (Y X) = 8 ( X )2. 38. 4. 42. [ E X log ( ) ] Y Y Y = E (X Y ) log ( Y Y P [X = k X + Y = s ] =, k = 0,,..., s. s + ) ( ) ( = Y + 2 log Y ) Y E [X + Y X] = E [X X] + E [Y X] = X + E Y = X + 2, E [XY X] = X E [Y X] = X 2. 7 Výsledky: Transformace náhodných veličin 45. (a) Y má rovnoměrné rozdělení na intervalu [0, ], (b) E Z = 3/2, var (Z) = 3/4 46. (a) distr. funkce Y : 0 y < 0, G(y) = y/π, y [0, π 2 ], y > π 2 hustota: g(y) = 2π y Iy [0, π2 ]}, E Y = π 2 /3. (b) distribuční funkce Z: 0, z < 0, 2 arcsin(z) H(z) =, 0 z, π, z > 2 hustota h(z) = π Iz [0, ]}. E Z = 2/π z2 4

5.. f Y (y) = Γ(n) 2 n yn e y 2 pro y > 0, jinde je fy (y) = 0 (rozdělení χ 2 2n ). 8 Výsledky: Transformace náhodných vektorů 52. X + Y má binomické rozdělení Bi(m + n, p) 54. (a) hustota f(z) = ( z ) Iz (, )}, E Z = 0, var (Z) = /6; (b) E (ZW ) = 0. 55. maximum a minimum: (a) F U (u) = [F (u)] n, f U (u) = n[f (u)] n f(u) (b) F V (v) = [ F (v)] n, f V (v) = n[ F (v)] n f(v) (c) E U = n/(n + ), var (U) = n/[(n + ) 2 (n + 2)], E V = /(n + ), var (V ) = n/[(n + ) 2 (n + 2)] 56. vlak a autobus: (a) hustota a distribuční funkce Z = A + V : Je-li λ µ, pak λµ ( e µz e λz), z > 0, g(z) = λ µ 0 z 0, λe µz µe λz, z > 0 G(z) = λ µ 0, z 0 Je-li λ = µ, pak g(z) = λ 2 ze λz, z > 0, 0 z 0, G(z) = e λz λze λz, z > 0 0, z 0, (b) E Z = µ + λ, var (Z) = µ 2 + λ 2, (c) rozdělení W = V A: G(w) = µ λ+µ e λw, w > 0, λ λ+µ eµw, w 0. g(w) = λµ λ+µ e λw, w > 0, λµ λ+µ eµw, w < 0, P (V A > k) = G(k), P (V A = k) = 0. µ λk + µ (d) P (V > ka) = 58. f U (u) = ( 2 2 u 2 ) I ( 2, ](u) + ( 2 u 2 2 ) I (, 2) (u), u R, E U = 3 log(2) 2. 63. f DH (d, h) = 2 Id (0, ), h (0, ), d h}. Nejsou nezávislé. cov (D, H) = 36. 64. (a) f UV (u, v) = 2u π I u (0, ), w (0, π) }. (b) f U (u) = 2u Iu (0, )}, f V (v) = π Iw (0, π)}. (c) U a V jsou nezávislé. (d) f UV (u, v) = 2u π I u (0, ), w ( π 2, π 2 )}. 67. (a) f Z (z) = ( z ) Iz (, )} (b) E Z = 8 5. 5

Výsledky: Normální rozdělení 68. (a) X Y N(, 3). (b) P (X + Y > 0) = Φ ( 3 ). = 0,72. (c) z = + 3 Φ (0,5). = 3,85. 6