Vzorová písemka č. 1 (rok 2015/2016) - řešení

Podobné dokumenty
NÁHODNÁ VELIČINA. 3. cvičení

Vícerozměrná rozdělení

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

Náhodná veličina a rozdělení pravděpodobnosti

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

8 Střední hodnota a rozptyl

Zápočtová písemka z Matematiky III (BA04) skupina A

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

Diskrétní náhodná veličina. November 12, 2008

PRAVDĚPODOBNOST A STATISTIKA

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

Praktická statistika. Petr Ponížil Eva Kutálková

Integrální počet funkcí jedné proměnné

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

, 1. skupina (16:15-17:45) Jméno: se. Postup je třeba odůvodnit (okomentovat) nebo uvést výpočet. Výsledek bez uvedení jakéhokoliv

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}.

Náhodná veličina a její charakteristiky. Před provedením pokusu jeho výsledek a tedy ani sledovanou hodnotu neznáte. Proto je proměnná, která

Náhodná proměnná. Náhodná proměnná může mít rozdělení diskrétní (x 1. , x 2. ; x 2. spojité (<x 1

Číselné charakteristiky a jejich výpočet

, 4. skupina (16:15-17:45) Jméno: se. Postup je třeba odůvodnit (okomentovat) nebo uvést výpočet. Výsledek bez uvedení jakéhokoliv

Příklady ke čtvrtému testu - Pravděpodobnost

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík

sin(x) x lim. pomocí mocninné řady pro funkci sin(x) se středem x 0 = 0. Víme, že ( ) k=0 e x2 dx.

a způsoby jejího popisu Ing. Michael Rost, Ph.D.

Statistika I (KMI/PSTAT)

Semestrální písemka BMA3 - termín varianta A13 vzorové řešení

Pravděpodobnost a aplikovaná statistika

MATEMATIKA II V PŘÍKLADECH

NMAF 051, ZS Zkoušková písemná práce 26. ledna x. x 1 + x dx. q 1. u = x = 1 u2. = 1 u. u 2 (1 + u 2 ) (1 u 2 du = 2.

Základy teorie pravděpodobnosti

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

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

Chyby měření 210DPSM

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Cvičení ze statistiky - 5. Filip Děchtěrenko

Dvojné a trojné integrály příklad 3. x 2 y dx dy,

7. Rozdělení pravděpodobnosti ve statistice

Výrobní produkce divizí Ice Cream Po lo ha plane t Rozložený výse ový 3D graf Bublinový graf Histogram t s tn e ídy

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

PRAVDĚPODOBNOST A STATISTIKA

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.

Pravděpodobnostní rozdělení

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

4.1 Řešení základních typů diferenciálních rovnic 1.řádu

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

Teorie. Hinty. kunck6am

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

1 Rozptyl a kovariance

Derivace a monotónnost funkce

Vektorový součin I

PRIMITIVNÍ FUNKCE DEFINICE A MOTIVACE

Kapitola 7: Neurčitý integrál. 1/14

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

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

PRIMITIVNÍ FUNKCE. Primitivní funkce primitivní funkce. geometrický popis integrály 1 integrály 2 spojité funkce konstrukce prim.

Poznámky k předmětu Aplikovaná statistika, 4. téma

Zkouška ze Základů vyšší matematiky ZVMTA (LDF, ) 60 minut. Součet Koeficient Body

metodou Monte Carlo J. Matěna, Gymnázium Českolipská, Praha

Základy popisné statistiky

16. Goniometrické rovnice

MATEMATIKA III. Olga Majlingová. Učební text pro prezenční studium. Předběžná verze

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D.

INTEGRÁLY S PARAMETREM

, = , = , = , = Pokud primitivní funkci pro proměnnou nevidíme, pomůžeme si v tuto chvíli jednoduchou substitucí = +2 +1, =2 1 = 1 2 1

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

Nejdřív spočítáme jeden příklad na variaci konstant pro lineární diferenciální rovnici 2. řádu s kostantními koeficienty. y + y = 4 sin t.

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ

Obsah Obyčejné diferenciální rovnice

Vybraná rozdělení náhodné veličiny

Normální rozložení a odvozená rozložení

Poznámky k předmětu Aplikovaná statistika, 4. téma

10. N á h o d n ý v e k t o r

Matematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

Příklad 1. Řešení 1a Máme určit obsah rovinné plochy ohraničené křivkami: ŘEŠENÉ PŘÍKLADY Z M1A ČÁST 14. a) =0, = 1, = b) =4, =0

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

Náhodné (statistické) chyby přímých měření

( ) ( ) Vzorce pro dvojnásobný úhel. π z hodnot goniometrických funkcí. Předpoklady: Začneme příkladem.

Obsah. Aplikovaná matematika I. Gottfried Wilhelm Leibniz. Základní vlastnosti a vzorce

Malé statistické repetitorium Verze s řešením

Písemná zkouška z Matematiky II pro FSV vzor

4 Numerické derivování a integrace

Statistika pro geografy

Rozdělení náhodné veličiny. Distribuční funkce. Vlastnosti distribuční funkce

Matematická analýza III.

Stochastické signály (opáčko)

Teorie. Hinty. kunck6am

. je zlomkem. Ten je smysluplný pro jakýkoli jmenovatel různý od nuly. Musí tedy platit = 0

SPECIÁLNÍCH PRIMITIVNÍCH FUNKCÍ INTEGRACE RACIONÁLNÍCH FUNKCÍ

Nalezněte hladiny následujících funkcí. Pro které hodnoty C R jsou hladiny neprázdné

Téma 2: Pravděpodobnostní vyjádření náhodných veličin

Základy matematiky pro FEK

Základy matematické analýzy

Příklad 1. Řešení 1a. Řešení 1b ŘEŠENÉ PŘÍKLADY Z M1B ČÁST 5

Zpracování náhodného vektoru. Ing. Michal Dorda, Ph.D.

AVDAT Náhodný vektor, mnohorozměrné rozdělení

1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost

MATEMATICKÁ STATISTIKA - XP01MST

Náhodný vektor a jeho charakteristiky

Transkript:

Vzorová písemka č. rok /6 - řešení Pavla Pecherková. května 6 VARIANTA A. Náhodná veličina X je určena hustotou pravděpodobností: máme hustotu { pravděpodobnosti C x pro x ; na intervalu f x jinde jedná se o spojitou náhodnou veličinu a vpočtěte konstantu C dále ted pracujeme s { f x x pro x ; jinde C x dx C C C [ x x dx C 6 ] C C integrál přes celou funkci musí být roven celé pravděpodobnosti, ted platí b a f xdx. Fx ˆx f tdt ˆx [ t dt t ] x x kontrola: F " ověřeno, že je spočtena distribuční funkce správně F 6 " c určete pravděpodobnost toho, že X je větší než., ale menší než.6, Tato úloha lze vřešit dvěma způsob: i přes hustotu pravděpodobnosti složitější varianta nebo ii přes distribuční funkci lehčí varianta P, < X <, 6 F,6 F, F,6 F F,6,6 6,6, 7 kontrola: doplněk musí být roven,6, protože F,6 F F F,6 celá pravděpodobnost P,6 < X < F F,6,6 6 6,6 6 6,6,6" b vpočtěte distribuční funkci náhodné veličin X, nahrazení t za x je pouze náhrada, ab výsledná distribuční funkce bla s proměnnou x. Integrál je od, tzn. od dolní meze, kde funkce nabývá hodnot Distrubuční funkce dává pravděpodobnost v bodě, ted P X x. Rozdíl dvou distribučních funkcí ted dá hledanou hodnotu pravděpodobnosti. F, jsme změnili za F, protože pravděpodobnost, že x < je rovna.

d určete střední hodnotu náhodné veličin X E[X] ˆb x f xdx x x dx x dx [ x a, 6 7 e určete rozptl náhodné veličin X ] Doporučuji použít následující vzorec D [X ] E [ X ] E [X ] výpočet je výrazně jednodušší a není potřeba velká znalost integrování vhneme se případně per partes apod. Na následujícím postupu si ukážeme jak na to: Kontrola na střední hodnotu není jednoduchá jako v předchozích případech. Ale je důležité, b střední hodnota ležela v zadaném intervalu, v tomto případě mezi a. Pokud neleží, je to špatně i. nejprve si spočítáme E [X ], protože E [X ] je střední hodnota a tu jsme spočítali v předchozím kroku Pozor! pokud máme špatně spočítanou střední hodnotu, bude i E [X ],6.7 špatně rozptl. ii. poté si spočítáme E [ X ], kde je výpočet podobný výpočtu střední hodnot s jedním rozdílem ve vzorci použijeme x místo x E [ X ] ˆb a x f xdx x x dx x dx [ x 6 ], iii. nakonec vpočteme rozptl jako rozdíl dvou výše vpočítaných hodnot D[X] E [ X ] E [X ],,7, 77 f nakreslete hustotu pravděpodobnosti a distribuční funkci včetně kompletního popisu os Ani zde není přímá kontrola. Ale pokud Vám vjde rozptl záporný, máte to špatně! Pozor: Tento popis není kompletní, chbí popis os. hustota pravděpodobnosti distribuční funkce

. Naměřili jste následující data Máme data s četností diskrétní 7 data není nutné nic integrovat Data si uspořádáme: Data je vhodné vžd uspořádat, protože se nestane, hodnota x i 7 že se poté spletu četnost n i 6 v počtu. Také se lépe hledá modus, Určete: medián atd. a střední hodnotu x n k i n i x i 6 7 9 7 n znamená, počet všech hodnot, dále je zde k skupin tříd. Výpočet probíhá tak, že vnásobíme v každé skupině hodnotu s četností a vše sečteme. Na konci podělíme počtem hodnot nikoliv počtem skupin. b směrodatnou odchlku Nejdříve je vhodné si spočítat výběrový rozptl, až z toho se počítá směrodatná odchlka, protože platí že směrodatná odchlka je odmocninou rozptlu, ted s s. s k n i x i x k x i n i n i i [ 6 7 ] 6 6 protože se jedná o výpočet z výběru, jedná se ted o výběrový rozptl a rozptl se dělí n-. Dále nezapomeňte na to, že rozdíl se musí umocnit na druhou rozptl musí vjít kladný Směrodatná odchlka je ted s s, 7 c modus a medián medián je prostřední hodnota x, medián uspořádaného souboru, tzn. musíte mít hodnot ˆxmodus seřazené vzestupně od nejnižší do nejvší hodnot. Modus je nejčetnější hodnota. d nakreslete krabicový diagram Je potřeba si spočítat horní a dolní kvartil. V takovém případě není mo

Na tomto grafu chbí levý fous. Je to proto, že minimální hodnota je zároveň dolním kvartilem.. Mějme dvě náhodné veličin X a Y, kde X,Y {,,,}. Výsledk pokusu jsme zapsali do následující tabulk četností znaménko - znamená, že daná kombinace nenastala ani jednou Napište: X/Y - - - - - - - - - a tabulkou sdruženou pravděpodobnostní funkci f x, - - - - - - - - - kontrola: součet všech pravděpodobností musí být rovna. i j f x i, j 6 " V tuto chvíli máme dvě náhodné veličin definován pomocí četností jednotlivých kombinací. V tomto případě se ted bude jednat o diskrétní náhodné veličin není třeba integrovat. Sdruženou pravděpodobnost vtvoříme tak, že si nejdříve spočteme počet všech možných kombinací, v tomto případě. Poté podělíme jednotlivé četnosti tím celkovým počtem. Kontrolu je vhodné udělat. Pokud je špatně spočtena sdružená prp. fce, tak je celý zbtek příkladu špatně. b obě marginální pravděpodobností funkce Marginál je vhodné psát přímo f x, fx ke sdružené, ale - je nutné správně označit otočení - - f xza f není - - - - - - f považováno za chbu. f x je ted pravděpodobnost, že nastane stav, kd x zároveň pro všechna. kontrola: součet všech pravděpodobností u marginál f x resp. f musí být rovna. f x " f " ověřeno, že marginál mohou být správně Kontrolu je vhodné udělat. Pokud je špatně spočtena marginální prp. fce, bude špatně i podmíněná.

Mohou být správně znamená, že je součet pravděpodobností, ale že jsou t pravděpodobnosti správně spočten to neověří. c tabulkou obě podmíněné pravděpodobnostní funkce Podmíněné pravděpodobnosti jsou dvě: i f x a ii f x. Důležité je si vzpomenout na základní vzorce: VARIANTA B f x f x f x, f f x, f x f x f x - - - - - - - - - - - - - - - - - - použijeme vzorec použijeme vzorec Opravdu zde není nic složitého. Například víme, že, pak jediná možnost je, že x a to je ted jev jistý. x, pak může nastat, že nebo. Oba dva se stejnou pravděpodobností, bude ted prp. pro obě kombinace.. Náhodná veličina X je určena distribuční funkcí: Pokud se podíváme na F x tak je F x pro x < pro x < pro x < pro x zřejmé, že se jedná o skokové změn v bodech, neboli tzv. schod. V tomto případě se ted bude jednat o diskrétní náhodnou veličinu není třeba integrovat. a určete pravděpodobnostní funkci x i f x i kontrola: součet všech pravděpodobností se musí rovnat, tzn. n i f x i. " b určete střední hodnotu, E[X] n i x i f x i kontrola: střední hodnota musí ležet mezi min x i a max xi. Splnění této podmínk nezaručí, že je výsledek dobře, ale zjistíte, kd je určitě špatně. ; " Opět to není složité. Jen je třeba si uvědomit, že pravděpodobností funkce v bodě x se rovná velikosti skoku, který v tom bodě je u distribuční funkce. Jedná se o diskrétní náhodnou veličinu pracujeme pouze se sumou, kd f x i je pravděpodobnost právě v bodě x i. Špatný výpočet ovlivní výpočet rozptlu, proto kontroluji x.

c určete rozptl, Jako u střední hodnot, i zde se pracuje se sumou. D[X] n i x i E [X ] f x i, 69 kontrola: rozptl musí být kladný nebo. Splnění této podmínk nezaručí, že je výsledek dobře, ale zjistíte, kd je určitě špatně.,69 > " V každém bodě vpočteme hodnotu rozptlu od střední hodnot a funkci si lze představit jako váhu, čím větší je výskt, tím víc ovlivní výsledek. d určete pravděpodobnost toho, že X je větší než,, ale menší než,6, P, < x <.6 P x P x kontrola: pravděpodobnost musí být v rozmezí a a zároveň nesmí být rovna jiné hodnotě, než je možný součet pravděpodobností v jednotlivých bodech. Pokud mi ted vjde v tomto případě pravděpodobnost je zřejmé, že je to špatně, protože možné výsledk jsou: i. jev nemožný nebo jev jistý ii. pravděpodobnosti v bodech nebo nebo iii. iv. v.. Splnění této podmínk nezaručí, že je výsledek dobře, ale zjistíte, kd je určitě špatně. výsledek souhlasí s bodem iii" e nakreslete pravděpodobnostní a distribuční funkci včetně kompletního popisu os. Je třeba si uvědomit, že pokud se jedná o diskrétní veličinu nezajímají nás pravděpodobnosti mimo místa, kde je nenulová pravděpodobnost. V tuto chvíli se jedná o bod x {,,}. Ze zadání nás ted zajímá jen pravděpodobnost v bodě a.. Pro sdruženou hustotu pravděpodobnosti f x, C sin x pro x,, Určete: a konstantu C jako je u náhodné veličin plocha pod křivkou rovna, tak je u sdružené plocha pod plochou rovna. Protože se jedná o hustotu pravděpodobnosti a zároveň platí, že náhodné veličin x a jsou definován na intervalu jedná se o spojité náhodné veličin musíme integrovat 6

C C sin x dx d C C cos cos }{{ sin sin }}{{ cos }{{}} C ˆb ˆd a c f x, dx d C sin x dx d sinx cos cosx sin dx d [ cosx cos sinx sin ] d cos sin sin }{{} d sin cos d C [ cos sin ] C cos sin cos sin }{{ }}{{ }{{}}{{} } C C V tomto případě je k zjištění konstant C integrovat x a to přes funkci x a je jedno v jakém pořadí. Je důležité si uvědomit, že v případě, že integruji přes x, jsou všechn proměnné vlastně konstanta. Z toho důvodu není složité integrovat, jen si dávat pozor na postup. V tomto případě se nejdříve integrovalo přes x a až poté přes. b obě marginální pravděpodobností funkce f fx ˆb a ˆd c f x, dx sin x dx [ cosx cos sinx sin ] f x, d sin x d sinx cos cosx sin dx sin cos sinx cos cosx sin d je důležité si pamatovat vzoreček pro marginální pravděpodobnostní funkce. V tuto chvíli se integruje pouze podle jedné proměnné. Stále je použita varianta, kde není substituce. Pozor, nemusí platit, že f je to samé co f x jen s jinou proměnnou [ ] cosx cos sinx sin sinx cosx Lze použít i substituci kdo chce použít substituci pro výpočet, lze to t x jednoduše takto. dt dx resp. t x dt d 7

c obě podmíněné pravděpodobnostní funkce Podmíněná pravděpodobnost lze opět vpočítat pouze prostým f x f x, dosazením do základních vzorečků. f sin x sin x sinx cosx sinx cosx f x f x, x sin x f x sin cos sin cos Případné dotaz či připomínk zasílejte, prosím, na email pecherkova@fd.cvut.cz.