Klasická pravděpodobnost

Podobné dokumenty
a my chceme data proložit nějakou hladkou funkcí, která by vystihovala hlavní vlastnosti dat, ale ignorovala malé fluktuace a nepřesnosti.

Pravděpodobnost a statistika Výpisky z cvičení Ondřeje Chocholy

1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A );

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých

2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.

Cvičení 3 - teorie. Teorie pravděpodobnosti vychází ze studia náhodných pokusů.

Kapitola 5 - Matice (nad tělesem)

Náhodné jevy. Teorie pravděpodobnosti. Náhodné jevy. Operace s náhodnými jevy

procesy II Zuzana 1 Katedra pravděpodobnosti a matematické statistiky Univerzita Karlova v Praze

Náhodné jevy, jevové pole, pravděpodobnost

1. K o m b i n a t o r i k a

z možností, jak tuto veličinu charakterizovat, je určit součet

Permutace s opakováním

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

MATICOVÉ HRY MATICOVÝCH HER

1.3. POLYNOMY. V této kapitole se dozvíte:

n=0 a n, n=0 a n = ±. n=0 n=0 a n diverguje k ±, a píšeme n=0 n=0 b n = t. Pak je konvergentní i řada n=0 (a n + b n ) = s + t. n=0 k a n a platí n=0

pravděpodobnosti a Bayesova věta

Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti

PRAVDĚPODOBNOST A STATISTIKA

Zformulujme PMI nyní přesně (v duchu výrokové logiky jiný kurz tohoto webu):

Permutace s opakováním

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce

3. Charakteristiky a parametry náhodných veličin

Přednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti

Kombinatorika- 3. Základy diskrétní matematiky, BI-ZDM

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).

2. Náhodná veličina. je konečná nebo spočetná množina;

P(n) = n * (n - 1) * (n - 2) *... 2 * 1 To odpovídá zápisu, ve kterém využíváme faktoriál:

Matematika I 2a Konečná pravděpodobnost

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

Náhodný výběr 1. Náhodný výběr

6. Posloupnosti a jejich limity, řady

( )! ( ) ( ) ( ) = ( ) ( ) ( ) ( ) ( )

Matematika NÁRODNÍ SROVNÁVACÍ ZKOUŠKY BŘEZNA 2019

5.1. Klasická pravděpodobnst

1 Trochu o kritériích dělitelnosti

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení

5. Posloupnosti a řady

12. N á h o d n ý v ý b ě r

Aplikovaná informatika. Podklady předmětu Aplikovaná informatika pro akademický rok 2006/2007 Radim Farana. Obsah. Algoritmus

8. Odhady parametrů rozdělení pravděpodobnosti

Obsah. 1 Mocninné řady Definice a vlastnosti mocninných řad Rozvoj funkce do mocninné řady Aplikace mocninných řad...

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

Internetová matematická olympiáda listopadu ročník -autorská řešení

Zimní semestr akademického roku 2015/ listopadu 2015

SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU

Klasická pravděpodobnost a geometrická pravděpodobnost

Náhoda. Pravděpodobnost výhry při sázce na barvu: p = 18/37 = 0,486 Průměrný zisk při n sázkách částky č: - n.č + 2.č.n.p = n.č.

1.1. Definice Reálným vektorovým prostorem nazýváme množinu V, pro jejíž prvky jsou definovány operace sčítání + :V V V a násobení skalárem : R V V

množina všech reálných čísel

b c a P(A B) = c = 4% = 0,04 d

Pravděpodobnost a statistika (BI-PST) Cvičení č. 2

Matematika 1. Ivana Pultarová Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D Posloupnosti

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

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

Matematika I. Název studijního programu. RNDr. Jaroslav Krieg České Budějovice

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika)

Pravděpodobnost a statistika

PRAVDĚPODOBNOST A STATISTIKA

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

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).

Vzorový příklad na rozhodování BPH_ZMAN

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN

DISKRÉTNÍ MATEMATIKA PRO INFORMATIKY

Přijímací řízení akademický rok 2013/2014 NavMg. studium Kompletní znění testových otázek matematika a statistika

3. Lineární diferenciální rovnice úvod do teorie

Entropie, relativní entropie a sdílená (vazební) informace

Petr Šedivý Šedivá matematika

1 Uzavřená Gaussova rovina a její topologie

Matematická analýza I

IB112 Základy matematiky

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

Definice obecné mocniny

Z mých cvičení dostalo jedničku 6 studentů, dvojku 8 studentů, trojku 16 studentů a čtyřku nebo omluveno 10 studentů.

7. KOMBINATORIKA, BINOMICKÁ VĚTA. Čas ke studiu: 2 hodiny. Cíl

Základy teorie pravděpodobnosti

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

1. seriálová série. Řešení 1. seriálové série. Téma: Kombinatorika. Datumodeslání:

Znegujte následující výroky a rozhodněte, jestli platí výrok, nebo jeho negace:

Pravděpodobnost a aplikovaná statistika

c) Pomocí Liouvillovy věty dokažte, že Liouvillovo číslo je transcendentí. xp 1 (p 1)! (x 1)p (x 2) p... (x d) p e x t f(t) d t = F (0)e x F (x),

Kapitola 4 Euklidovské prostory

ZS 2018/19 Po 10:40 T5

8.2.1 Aritmetická posloupnost I

matematická statistika 1 Klasická pravděpodobnost

Kapitola 12: Zpracování dotazů. Základní kroky ve zpracování dotazů

6. KOMBINATORIKA Základní pojmy Počítání s faktoriály a kombinačními čísly Variace

Konec srandy!!! Mocniny s přirozeným mocnitelem I. Předpoklady: základní početní operace

letní semestr Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika

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

a logaritmickou funkci a goniometrické funkce. 6.1 Násobení řad. Podívejme se neprve na násobení mnohočlenů x = x x n a y = y y n.

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací

8.2.1 Aritmetická posloupnost

Úloha II.S... odhadnutelná

a) 7! 5! b) 12! b) 6! 2! d) 3! Kombinatorika

Transkript:

NMUMP403 (Pavděpodobost a matematická statistika I Klasická pavděpodobost 1. Házíme čtyřmi šestistěými hacími kostkami. Učete, jaká je pavděpodobost, že (a padou čtyři ůzá čísla, (b padou pouze lichá čísla, (c součet čísel a všech kostkách dohomady bude ove 6, (d součet čísel bude větší ež 5, (e pade alespoň jeda šestka. 2. V egálu je 6 lahví omálího umu a 4 lahví pačovaého umu (vizuálě k eozezáí. Náhodě vybeeme z egálu 3 lahve a z každé ochutáme. Učete, s jakou pavděpodobostí (a byl pávě ve dvou ámi ochutaých lahvích metaol, (b byl alespoň v jedé ámi ochutaé lahvi metaol. 3. Na svazku máme 8 ůzých klíčů a pokoušíme se odemkout zámek. Vyzkoušeý klíč vždy dáme staou a áhodě vybeeme další klíč ze zbývajících. Jaká je pavděpodobost, že odemkeme až a pátý pokus? 4. Uvažujme ůzých dopisů a ůzých obálek (s již adepsaou adesou. Zmateá seketářka umístí dopisy do obálek zcela áhodě. (a Jaká je pavděpodobost, že je alespoň jede dopis ve spávé obálce? (b Spočtěte itu této pavděpodobosti po. 5. Do vlaku s vagóy astupuje cestujících. Předpokládejme, že každý člověk si vybíá vagó zcela áhodě. (a Učete, s jakou pavděpodobostí bude v pvím vagóě pávě k cestujících. (b Jaká je pavděpodobost, že žádý vagó ebude pázdý? (c Spočítejte itu pavděpodobosti z bodu (a po, tak, že λ > 0. 6. Babička ozděluje tisícikou do obálek po svých voučat k Váocům. Peíze ozmístí áhodě (všecha ozmístěí jsou stejě pavděpodobá. (a Učete pavděpodobost, že vuk Kael dostae pávě k tisícikou. (b Jaká je pavděpodobost, že každé z voučat dostae alespoň ějaké peíze? (c Spočtěte itu pavděpodobosti z bodu (a po, tak, že / λ > 0. 1

NMUMP403 (Pavděpodobost a matematická statistika I Klasická defiice pavděpodobosti: Opakováí Ω je možia všech možých výsledků áhodého pokusu ω Ω elemetáí jev A Ω áhodý jev Necht Ω obsahuje koečý počet pvků, tj. Ω = {ω 1,..., ω }, a echt všechy elemetáí jevy ω i jsou stejě pavděpodobé. Pak pavděpodobost áhodého jevu A defiujeme jako P(A = A Ω = A, kde A = počet pvků možiy A. Vlastosti: 0 P(A 1, P(A c = 1 P (A, jestliže A B, pak P(A P(B a P(B \ A = P(B P(A, P(A B = P(A P(A B c, P(A B = P(A + P(B P(A B, (picip ikluze a exkluze P(A 1 A 2 A = P(A i i<j P(A i A j + + ( 1 +1 P(A 1 A 2 A. 2

NMUMP403 (Pavděpodobost a matematická statistika I 1.(a 6 5 4 3 6 4 = 5 18, Řešeí (b 34 6 4 = 1 16, (c možosti, jak dostat součet šest jsou: 1 + 1 + 1 + 3 a 2 + 2 + 1 + 1 (až a pořadí. Pví součet lze dosáhout čtyřmi způsoby, duhý šesti. Tedy P (A = (4 1+( 4 2 6 4 = 10 6 4, (d ozačme (S = k jev, že součet čísel bude k a dále ozačme A c jev, že součet bude pět, či méě, pak P (A c = P (S = 5 + P (S = 4 = 4 6 4 + 1 6 4, tedy P (A = 1 P (A c = 64 5 6 4, (e ozačme A c jev, že epade žádá šestka, pak P (A c = 54 6 4, tedy P (A = 64 5 4 6 4. 2.(a (6 1( 4 2 ( 10 3 = 3, 10 (b (6 2( 4 1+( 6 1( 4 2+( 6 0( 4 3 ( 10 3 3. 1 8. = 1 (6 4( 4 0 ( 10 3 = 1 8. 4.(a Ozačme A i jev, že i-tý dopis bude ve spávé obálce, pak P (A i = (!, P (A! i A j = ( 2! po i j atd. Pak! P (A = P A i = P (A i P (A i A j + P (A i A j A k...( 1 +1 P ( i<j ( 1! =! = ( 1 i+1 1. 2 ( 2! +! i<j<k A i ( ( 3!...( 1 +1 1 3!! = 1 1 2! + 1 3! 1...( 1+1! (b Jelikož e x = x k k=0, pak k! ( 1 i+1 1 = ( 1 i ( 1 i ( 1 i ( 1 i = ( +1 1 = ( 1 = 1 = 1 e 1. 5.(a Nejdříve vybeeme k cestujících, kteří budou v pvím vagóu. To lze udělat ( k způsoby. Ostatí cestující ozdělíme ovoměě áhodě do dalších vagóů. Tedy P (A = ( k( k (b Ozačme A i jev, že i-tý vagó bude pázdý, pak P (A i = ( i j..., tedy P (A c = P A i = P (A i P (A i A j +...( 1 +1 P ( A i i<j ( ( 1 ( 2 = +...( 1 +1 0 = ( 1 i+1 2 i Tedy ( ( i P (A = 1 P (A c = 1 ( 1 i+1 = i 3, P (A i A j = ( 2 ( 1 i i ( i. ( i.. po

NMUMP403 (Pavděpodobost a matematická statistika I (c,,/ λ ( ( k ( 1 k k,,/ λ,,/ λ ( ( 1 k ( k ( 1 k,,/ λ = e λ ( 1...( k + 1,,/ λ ( 1 k k! 1 λ λk = e k!. 6.(a Jedotlivá ozděleí tisícikou do obálek lze popsat pomocí uzpořádaé + 1-tice pvků, kde pvků je jedoho tipu (tisícikouy a 1 pvků duhého tipu (haice, oddělující jedotlivé obálky, viz obázek 1. Počet všech možostí je tedy ( +. Počet přízivých jevů je ( + k 2 2, tedy výsledá pavděpodobost je P (A = ( + k 2 2 ( +. (b (c P (A = ( 1 ( +.,, λ ( + k 2 2 ( +,, λ ( + k 2!( 1!! ( + 1!( 2!( k!,, λ ( 1...( k + 1 ( + 1... ( + k 1 1,, λ + 1 k 1 ( 1,, λ + 1 = 1 ( k λ = λ + 1 λ + 1 i + 2 i k 1 λ k (λ + 1 k+1.,, λ i + 2 i 4

NMUMP403 (Pavděpodobost a matematická statistika I Obázek 1: Jedotlivé obálky jsou zázoěy čákovaou čaou, tisícikouy čeým putíkem a křížek ozačuje haici mezi obálkami. 5