Zápočtová písemka z Matematiky III (BA04) skupina A

Podobné dokumenty
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}.

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

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

Transformujte diferenciální výraz x f x + y f do polárních souřadnic r a ϕ, které jsou definovány vztahy x = r cos ϕ a y = r sin ϕ.

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

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

8.4. Shrnutí ke kapitolám 7 a 8

Statistika II. Jiří Neubauer

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

NÁHODNÁ VELIČINA. 3. cvičení

Teorie. Hinty. kunck6am

AVDAT Náhodný vektor, mnohorozměrné rozdělení

0 = 2e 1 (z 3 1)dz + 3z. z=0 z 3 4z 2 + 3z + rez. 4. Napište Fourierův rozvoj vzhledem k trigonometrickému systému periodickému

Poznámky k předmětu Aplikovaná statistika, 4. téma

Poznámky k předmětu Aplikovaná statistika, 4. téma

Teorie. Hinty. kunck6am

Vícerozměrná rozdělení

VIDEOSBÍRKA DERIVACE

Distribuční funkce je funkcí neklesající, tj. pro všechna

4. OBYČEJNÉ DIFERENCIÁLNÍ ROVNICE

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

Matematika II. (LS 2009) FS VŠB-TU Ostrava. Bud te. A = a + 1 2, B = 1. b + 1. y = x 2 + Bx 3A. a osou x.

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

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

rovnic), Definice y + p(x)y = q(x), Je-li q(x) = 0 na M, nazývá se y + p(x)y =

Pravděpodobnost a matematická statistika

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Jan Kracík

Náhodný vektor a jeho charakteristiky

. 1 x. Najděte rovnice tečen k hyperbole 7x 2 2y 2 = 14, které jsou kolmé k přímce 2x+4y 3 = 0. 2x y 1 = 0 nebo 2x y + 1 = 0.


má spojité parciální derivace druhého řádu ve všech bodech této množiny. Výpočtem postupně dostaneme: y = 9xy2 + 2,

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

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

10. N á h o d n ý v e k t o r

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

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

Příklady ke čtvrtému testu - Pravděpodobnost

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

Copyright c R.Fučík FJFI ČVUT Praha, 2008

1 Rozptyl a kovariance

MATEMATIKA III V PŘÍKLADECH

Program SMP pro kombinované studium

Pravděpodobnost a aplikovaná statistika

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

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

Cyklometrické funkce

MATEMATIKA. Příklady pro 1. ročník bakalářského studia. II. část Diferenciální počet. II.1. Posloupnosti reálných čísel

1. Písemka skupina A...

Kristýna Kuncová. Matematika B2

Příklad 4.1 Zapište pomocí kvantifikátorů definice minima, maxima, infima a suprema podmnožiny R. Čemu se rovná sup a inf? 2n M = 3n + 1 n N.

Náhodné vektory a matice

Téma 22. Ondřej Nývlt

Příklady na procvičení z NMFM202

Charakterizace rozdělení

1. Je dána funkce f(x, y) a g(x, y, z). Vypište symbolicky všechny 1., 2. a 3. parciální derivace funkce f a funkce g.

(FAPPZ) Petr Gurka aktualizováno 12. října Přehled některých elementárních funkcí

[obrázek γ nepotřebujeme, interval t, zřejmý, integrací polynomu a per partes vyjde: (e2 + e) + 2 ln 2. (e ln t = t) ] + y2

. (x + 1) 2 rostoucí v intervalech (, 1) a. ) a ( 2, + ) ; rostoucí v intervalu ( 7, 2) ; rostoucí v intervalu,

Repetitorium matematiky (pomocný učební text soubor testů s výsledky) KMA/P113, KMA/K113

JAK MODELOVAT VÝSLEDKY NÁH. POKUSŮ? Martina Litschmannová

K rozpoznání růstu či klesání dané funkce určitém směru nám pomůže gradient, tj. vektor., ln(1 x2 + y 2 [ = y

+ 2y y = nf ; x 0. závisí pouze na vzdálenosti bodu (x, y) od počátku, vyhovuje rovnici. y F x x F y = 0. x y. x x + y F. y = F

Přijímací zkoušky z matematiky pro akademický rok 2018/19 NMgr. studium Učitelství matematiky ZŠ, SŠ

Funkce. b) D =N a H je množina všech kladných celých čísel,

VIDEOSBÍRKA DERIVACE

Veronika Chrastinová, Oto Přibyl

Petr Hasil

Matematická analýza pro informatiky I.

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

Základy teorie pravděpodobnosti

Matematika II, úroveň A ukázkový test č. 1 (2018) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené

Regresní a korelační analýza

pouze u některých typů rovnic a v tomto textu se jím nebudeme až na

Posloupnosti. n2 3n. lim. n4 + 2n. lim. n 1. n + n n. n! (n + 1)! n! lim. n ( 1)n! [1] lim. ln 2 n. lim. n n n sin n2 [0] lim. 2 n.

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

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

1. Klasická pravděpodobnost

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

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

NÁHODNÝ VEKTOR. 4. cvičení

na magisterský studijní obor Učitelství matematiky pro střední školy

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

Test M1-ZS12-2 M1-ZS12-2/1. Příklad 1 Najděte tečnu grafu funkce f x 2 x 6 3 x 2, která je kolmá na přímku p :2x y 3 0.

1. Kombinatorika 1.1. Faktoriál výrazy a rovnice

1. Klasická pravděpodobnost

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

1. Definiční obor funkce dvou proměnných

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

Q(y) dy = P(x) dx + C.

Tématické celky { kontrolní otázky.

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

Server Internetu prostøednictvím slu eb (web, , pøenos souborù) poskytuje data. Na na í pracovní stanici Internet

Server Internetu prostøednictvím slu eb (web, , pøenos souborù) poskytuje data. Na na í pracovní stanici Internet

Výběrové charakteristiky a jejich rozdělení

Přednáška. Další rozdělení SNP. Limitní věty. Speciální typy rozdělení. Další rozdělení SNP Limitní věty Speciální typy rozdělení

Přednáška z MA. Michal Tuláček 16. prosince IV.7 Průběhy funkce 3. 2 Vyšetřování průběhu funkce- KUCHAŘKA 4

Funkce zadané implicitně

Matematika II, úroveň A ukázkový test č. 1 (2017) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené

Kristýna Kuncová. Matematika B3

f( x) x x 4.3. Asymptoty funkce Definice lim f( x) =, lim f( x) =, Jestliže nastane alespoň jeden z případů

Transkript:

skupina A 0 pro x < 1, ae x pro x 1, ), Pravděpodobnost P (X ) a P (X =.). E (X) a E ( X 1). Hustotu transformované náhodné veličiny Y = (X + 1). F(x) = x 3 pro x (0, 9), Hustotu f(x). Pravděpodobnost P (X (4, 10)). Rozptyl a modus. danou tabulkou x \y 1 3 1 1/1 1/3 /4 /1 1/1 c Obor hodnot Ω náhodného vektoru (X, Y ) a konstantu c. Marginální náhodnou veličinu X: rozdělovací funkci p 1 (x), její distribuční funkci F 1 (x) a nakreslete jejich grafy. Pravděpodobnost P (X Y ).

skupina B 0 pro x < 1, a x pro x 1, ), 4 Pravděpodobnost P (X 3) a P (X =.). D (X), D ( X 1). Hustotu funkci transformované náhodné veličiny Y = ln X. F(x) = sin x pro x ( ) 0, π, Hustotu f(x). Pravděpodobnost P (X ( π 4, π )). Střední hodnotu a modus. danou tabulkou x \y 1 1 c/10 c/5 c/10 c/5 3 c/10 c/10 Obor hodnot Ω náhodného vektoru (X, Y ) a konstantu c. Marginální náhodnou veličinu X: rozdělovací funkci p 1 (x), její distribuční funkci F 1 (x) a nakreslete jejich grafy. Pravděpodobnost P (X < Y ).

skupina C danou tabulkou: x 1 3 4 5 p(x) c/15 c/5 c/5 c/5 c/15 Konstantu c. Distribuční funkci F (x) a nakreslete její graf. Pravděpodobnost P (X = ), P (X =.) a P (X ). ( ( Střední hodnotu, E X ) ) 5, modus. F(x) = a 1 x+1 pro x (0, ). P (X < 5) Hustotu transformované náhodné veličiny Y = e X. Určete f(x, y) = 1 e 1 xex pro [x, y] (0, 1) (0, ), Obor hodnot Ω (i nakreslit) náhodného vektoru (X, Y ). Pravděpodobnost P (Y 1), P ([X, Y ] = [0.5, 0.5]).

skupina D danou tabulkou: x 1 3 4 p(x) c/3 0 1/3 1/ Konstantu c. Distribuční funkci F (x) a nakreslete její graf. Pravděpodobnost P (X = 1), P (X =.1) a P (X 3). Střední hodnotu, E (( )) X 6, modus. F(x) = a 1 e pro x (0, ). x Pravděpodobnost P (1 X ). Hustotu transformované náhodné veličiny Y = X 3 +. Určete f(x, y) = x pro [x, y] ( 0, 1 ) (0, 4), Obor hodnot Ω (i nakreslit) náhodného vektoru (X, Y ). Pravděpodobnost P (Y 1), P ([X, Y ] = [0.5, 0.5]).

skupina E p(x) = ( a ) x 3 x = 0, 1,, 3,..., Pravděpodobnost P (X = 3 ), P (X 1). Hustotu transformované náhodné veličiny Y = 4X. F(x) = a + b cos x pro x (0, π), Hustotu f(x). Pravděpodobnost P (X = π ), P (X π ). Střední hodnotu, E ( ) X 1 3, modus náhodné veličiny X. f(x, y) = 8y(x+) 10 pro x (0, 1) (0, 1), Pravděpodobnost P (X >, Y < 1), P (X > 0, Y < 1 3 ). Distribuční funkci marginální náhodné veličiny X.

skupina F p(x) = Pravděpodobnost P (X = 0), P (X 1). ( a 1 ) x+1 3 x = 1,, 3,..., Hustotu transformované náhodné veličiny Y = X 3. 0 pro x 1, F(x) = a + b ln (e x) pro x ( 1, e ), Hustotu f(x). Pravděpodobnost P (X = e ), P (X e). Střední hodnotu, E ( X ln X ), modus náhodné veličiny X. f(x, y) = x+3y 9 pro x (0, 1) (0, ), Pravděpodobnost P (X >, Y < 1), P (X > 0, Y < 1). Distribuční funkci marginální náhodné veličiny Y.

skupina G 1 6 sin x 3 pro x (0, 3π), Distribuční funkci F (x). Pravděpodobnost P (X 3π ) a P (X 3π ). Střední hodnotu, E ( 1 (X 1)) a modus náhodné veličiny X. Konstanty c 1, c. Pravděpodobnost P (X = 1). F(x) = c 1 + c arctg x pro x > 0. Hustotu transformované náhodné veličiny Y = ln X. danou tabulkou x \y -1 0 1 1 0 1/8 1/ 1/4 1/8 c Konstantu c a obor hodnot Ω náhodného vektoru (X, Y ). Pravděpodobnost P (X > 1, Y > 1), P ([X, Y ] = [1, 0]). Rozptyl (dispersi) marginální náhodné veličiny Y.

skupina I Konstantu c a modus náhodné veličiny X. Pravděpodobnost P (X = 1 ), P (X 1 ). c(x + 1) pro x ( 1, 1, Střední hodnotu transformované náhodné veličiny E (sin X). F(x) = a + 0 pro x, b x x pro x (, ). Pravděpodobnost P (X 4), P (X (, 4)). E ( ) X 3 víte-li, že E (X) = 6. danou tabulkou x \y 1 0 1/6 1/3 1/1 1/6 4 0 1/4 Pravděpodobnost P ((X Y ) 1), P (X = 1). Distribuční funkci marginální náhodné veličiny X.

skupina J Konstantu a a modus náhodné veličiny X. a(x ) pro x 0, ), Pravděpodobnost P (X = 0), P ( X ( 1, 3 )). Střední hodnotu transformované náhodné veličiny E (cos X). F(x) = a + 0 pro x, b x x pro x (, ). Pravděpodobnost P (X 4), P (X (, 4)). D ( ) 1 X 3 víte-li, že D (X) = 80 9. danou tabulkou x \y 1 3-1 0 3/0 1/0 0 3/0 3/0 1/5 1 1/10 1/10 1/10 Pravděpodobnost P ((X Y ) > 0), P (X = 1). Distribuční funkci marginální náhodné veličiny Y.

skupina K cx sin x pro x (0, π), Konstantu c. Distribuční funkci F (x). Pravděpodobnost P ( X π ) a P ( X > π ). Pravděpodobnost P (X = 3), P ( X 1, e ). 0 pro x e, F(x) = a + b ln x pro x ( e, e 3), Hustotu transformované náhodné veličiny Y = ln X. p(x, y) = 15 ( ) x+y+1 16 3 [x, y] 1,, 3,... } 1,, 3,... }, Pravděpodobnost P ((X, Y ) A), kde A = [x, y] N N; x 1, y }. Graf distribuční marginální náhodné veličiny X na intervalu 0, 3.5.

skupina L ax sin x pro x (0, π), Distribuční funkci F (x). Pravděpodobnost P (X 1) a P (X > 1). Pravděpodobnost P (X = 3), P ( X 1, e ). 0 pro x e, F(x) = a + b ln x pro x ( e, e 3), Hustotu transformované náhodné veličiny Y = e X. p(x, y) = ( 8 1 ) x+3y+ [x, y] 1,, 3,... } 1,, 3,... }, Pravděpodobnost P ((X, Y ) A), kde A = [x, y] N N; x, y 1}. Graf distribuční marginální náhodné veličiny Y na intervalu 0, 3.5.