Wybieranie: niezdaj
1 / 60
prawdopodo całokwite wzór
nierówność czebyszewa
wriancja dyskretne
uklad zupełny zdażeń
MOCNE PRAWO WIELKICH LICZB
kwantyk rzedu p
CoV(XY)
dystrybuanta własności
Mediana
zm los standaryzowana
zbieżność zm los punktowa
tw Kołmogorowa
rozkład jednostajny
zmienna los. def
wzór Bayesa
nierówność markowa
średnia arytmatyczna
zagadnienie/schemat Pascala def
moment k rzędu ciągłe
rozkład Cauchy'ego
współ korelacji zm los X Y
sigma algebra/ciało
zdarzenia niezależne
dystrybuanta ciągłe
miara prawdopodobieństwa (propabilistyczna)
mediana
gęstość
rozkład normalny Gaussowski
twierdzenie Poissona
estymator nieobciążony
średnia geoetryczna
zbieżność zm los wg ptego momentu
tw Chinczyna
wartość oczekiwana ciągłe
twierdzenie pascala wzór
zbieżność zm los wg rozkładu (dystrybuanty)
zm los scentrowana
dystrybuanta def
nierówność Cauchy'ego-Schwarza
SŁABE PRAWO WIELKICH LICZB
rozkład poissona
twierdzenie poissona
Tw o ciągłości miary propabilist
twierdzenie bernouliego wzór
zmienna los dyskretna
Twierdzenie Lindeberga - Levy'ego (centralne tw graniczne)
zmienne losowe niezależne skokowe
średnia harmoniczna
rozkład wykładniczy
zbieżność zm los wg prawdopodobieństwa
schemat bernouliego def
Tw przeliczalny zbiór zdarzeń element.
wartośc oczekiwana skokowe
rozkład dwumianowy
niezależnośc zm los X i Y
tw Markowa
zm los ciągła def
prawd warunkowe
moment n rzędu skokowe
estymator zgodny
P(A) = suma i=1 do n P(A | Bi) * P(Bi)
g(x) = x^2
dla każdego P(|X|>=E) <= E(X^2) / E^2
VarX = EX^2 - (EX)^2
mówimy że zbiory A1, A2, A3... tqorą uklad niezaeż jeśli
1. A1 u A2 u ... u An = omega
2. Ai u Aj = /0
3. P(Ai)>0
suma (Xk - mk) / n -p.p.-> 0
od k=1 do n
[ (X1+..+Xn) - (E(X1) + .. + E(Xn)) ] /n -p.p.-> 0
P(X<=xp)>=p
=EXY - EX*EY
1. F(x) jest niemalejąca
2. lim(n->-niesk) F(x) = 0, lim(n->+niesk) F(x) = 1
3. F(x) jest prawostronnie ciągła
P(X<= Me(X) ) >= 1/2
me= x_((n+1)/2) dla n nieparzystego
1/2 (x_n/2 + x_n/2+1) dla n parzystego
X~~N(mi, sigma^2)
ogólnie nie mogę zdjecia dodać więc trzeba spriwadzić do formy (X-m)/sigma
https://ibb.co/4MHz5Cp
Xn -p.p.->X jeśli
P[w: lim (n->niesk) Xn(w) = X(w) ] 1
Każdy ciąg Xn, n>=1, NIEZALEŻNYCH zmiennych los o jendakowych rozkladach i skończonej średniej m=EX1 spełnia MPWL, tzn.
(X1 + ... + Xn) / n -p.p.-> EX1
f(x) = 1/b-a x(a,b), 0 poza
funkcja mierzalna z omega w R
P(Bi | A) = [ P(A|Bi) * P(Bi) ] / [ suma od j=1 do n P(A | Bj) * P(Bj) ]
g(x)=|x|^p, p>0
P(|X|)>=E) <= E(|X|)^p / E^p
x1+x2+x3+...+xn / n
Przeprowadzanie prób bernouliego tak dłogu aż uzyskamy k sukcesów
całka na R z x^k * f(x) dx
f(x) = 1/pi * lambda / [l ambda^2 = (x-mi)^2 ] x,m należ R, lambda <0
ro = CoV / sqrt( varX * varY )
rodzina podzbiorów f sprłniająca warunki
1 omega nalezy do f
2 jesli A nalezy fo f to -A też należy
3 jesli A1, A2... nalezy do F to suma zdażen An = A1 suma A2 suma... nalezy do F
P(A i B) = P(A)*P(B)
całka od niesk do x z f(t)dt
to funkcja prawdopodo. P: F-> <0, +nies) spełniającą wrunki
1 P(omega)=1
2 dla A1,A2,A3... należy do F, Ai iloczyn ...
kwantyl rzedu 0.5
1. f nieujemna
2. całka po całej osi R z f(x) = 1
f(x) = 1/sqrt(2 pi) * e^[- (x-m)^2 / 2 * sigma^2 ]
przeprowadzanie prób Bernouliego tak długo że n-> niesk. i p->0
E(0n) = 0 dla kazdego n>=2
n qrt(x1*x2*...*xn)
Xn -L^p->X
lim (N->niesk) E|Xn - X|^p =0, pnależy N, p>=1
Każdy ciąg Xn, n>=1, NIEZALEŻNYCH zmiennych los o jendakowych rozkladach i skończonej średniej m=EX1 spełnia SPWL, tzn.
dla każdego E>0 lim(n->niesk) P[ |(X1+...+Xn)/n -m| >E] =0
całka na R z x*f(x) dx
Pk(n) = (n-1/k-1) * p^k * q^n-k
Xn -F->X
lim (n->niesk) Fn(x) = F(x) , x nalezy do R
jest taka jeżeli EX=0
funkcja F: R -> <0,1> dana wzorem
F(x) = P(X<=x)
jeśli EX^2 < niesk i EY^2 < niesk to
|EXY| <= sqrt ( EX^2 * EY^2 )
suma (Xk - mk) / n -P-> 0
od k=1 do n
[ (X1+..+Xn) - (E(X1) + .. + E(Xn)) ] /n -P-> 0
P(X=k) = e ^-lambda * (lambda^k)/k!
lim (n-> niesk.) Pn(k)=e^(-lambda ) * (lambda^k) / k!
1 Jeśli a1<a2<a3... i A=suma ai to lim P(An) = P(A)
2 Jeśli a1>a2>a3... i A=iloczyn ai to lim P(An) = P(A)
Pn(k) = (n/k) * p^k * q^n-1
X - z niezerowym prawdopodobieństwem przyjmuje skończone lub przeliczalnie wiele wartości
suma Pi = 1
Niech Xn, n>=1, będzie ciągniem NIEZALEŻNYCH zmiennych los o tym samym rozkładzie m=EX1 sigma^2 = VarX < niesk
Niech
Yn = [(X1 + .. + Xn)-n* m] / sigma*sqrt(n)
oraz Fn bedzie dystryb Yn.
Wówczas
lim (n->niesk) Fn(x) = Φ(x), x należy R
gdzie Φ(x) jest dystr rozkładu N(0,1)
P(X=x, Y=y) = P(X=x) * P(Y=y)
n * (1/x1 + 1/x2 + .. + 1/xn)^-1
f(x) = lambda * e^-lambda*x dla x>=0
Xn -P->X jeśli
dla każdego (E>0) lim (n->niesk) P(|Xn - X| >E )=0
ciąg niezależnych powtórzeń tego samego doświadczenia o DWÓCH możliwych wynikach sukces i porażka (0,1)
jeśli omega = {w1, w2..} i dla kazdego i:{wi nalezy do F} P jest prawd., to dla każdego A zawiera się w moega P(A) = suma Pi
moment 1 rzędu
EX = SUMA xi * pi
P(X = k) (n/k) p^k * q^n-k
(bernouli)
jeśli mam yX i Y to warunek ten oznacza ze dla danych B1, B2 należy do B(R) zdarzenia X1, Y1 są niezależne (X nalezy do B1, Y do B2)
P(X1 i Y1) = P(X1) * P(Y1)
niech Xn, n>=1, będzie ciągiem zmienn los o skończonych Var. jeżeli
lim (n -> niesk) [Var(X1+...+Xn)] / n^2 =0
to ciąg Xn spełnia SPWL (słabe prawo liczb))
funkcja omega ->R
P(A|B) = P (A i B) / P(B)
E(X^n) = SUMA xi^k * pi
lim (n->niesk) P(|0n-0| < E) = 1 dla każdego E>0
całka od niesk do x z f(t)dt
Każdy ciąg Xn, n>=1, NIEZALEŻNYCH zmiennych los o jendakowych rozkladach i skończonej średniej m=EX1 spełnia MPWL, tz...
Niech Xn, n>=1, będzie ciągniem NIEZALEŻNYCH zmiennych los o tym samym rozkładzie m=EX1 sigma^2 = VarX < niesk
N...
P(A|B) = P (A i B) / P(B)
Każdy ciąg Xn, n>=1, NIEZALEŻNYCH zmiennych los o jendakowych rozkladach i skończonej średniej m=EX1 spełnia SPWL, t...
E(X^n) = SUMA xi^k * pi
ciąg niezależnych powtórzeń tego samego doświadczenia o DWÓCH możliwych wynikach sukces i porażka (0,1)
kwantyl rzedu 0.5
P(X<= Me(X) ) >= 1/2
me= x_((n+1)/2) dla n nieparzystego
1/2 (x_n/2 + x_n/2+1) dla n parzystego
Pn(k) = (n/k) * p^k * q^n-1
n * (1/x1 + 1/x2 + .. + 1/xn)^-1
P(X = k) (n/k) p^k * q^n-k
(bernouli)
lim (n-> niesk.) Pn(k)=e^(-lambda ) * (lambda^k) / k!
VarX = EX^2 - (EX)^2
Xn -L^p->X
lim (N->niesk) E|Xn - X|^p =0, pnależy N, p>=1
to funkcja prawdopodo. P: F-> <0, +nies) spełniającą wrunki
1 P(omega)=1
2 dla A1,A2,A3... należy do F, Ai iloczyn ...
P(X=k) = e ^-lambda * (lambda^k)/k!
jeśli mam yX i Y to warunek ten oznacza ze dla danych B1, B2 należy do B(R) zdarzenia X1, Y1 są niezależne (X nalezy ...
P(A) = suma i=1 do n P(A | Bi) * P(Bi)
całka na R z x^k * f(x) dx
1 Jeśli a1<a2<a3... i A=suma ai to lim P(An) = P(A)
2 Jeśli a1>a2>a3... i A=iloczyn ai to lim P(An) = P(A)
Xn -F->X
lim (n->niesk) Fn(x) = F(x) , x nalezy do R
1. F(x) jest niemalejąca
2. lim(n->-niesk) F(x) = 0, lim(n->+niesk) F(x) = 1
3. F(x) jest prawostronnie ciągła
ro = CoV / sqrt( varX * varY )
jest taka jeżeli EX=0
moment 1 rzędu
EX = SUMA xi * pi
suma (Xk - mk) / n -P-> 0
od k=1 do n
[ (X1+..+Xn) - (E(X1) + .. + E(Xn)) ] /n -P-> 0
X~~N(mi, sigma^2)
ogólnie nie mogę zdjecia dodać więc trzeba spriwadzić do formy (X-m)/sigma
https://ibb.co/4MHz5Cp
Przeprowadzanie prób bernouliego tak dłogu aż uzyskamy k sukcesów
P(X=x, Y=y) = P(X=x) * P(Y=y)
f(x) = lambda * e^-lambda*x dla x>=0
g(x) = x^2
dla każdego P(|X|>=E) <= E(X^2) / E^2
przeprowadzanie prób Bernouliego tak długo że n-> niesk. i p->0
funkcja mierzalna z omega w R
jeśli omega = {w1, w2..} i dla kazdego i:{wi nalezy do F} P jest prawd., to dla każdego A zawiera się w moega P(A) = ...
całka na R z x*f(x) dx
mówimy że zbiory A1, A2, A3... tqorą uklad niezaeż jeśli
1. A1 u A2 u ... u An = omega
2. Ai u Aj = /0
3. P(Ai)>0
f(x) = 1/sqrt(2 pi) * e^[- (x-m)^2 / 2 * sigma^2 ]
P(A i B) = P(A)*P(B)
niech Xn, n>=1, będzie ciągiem zmienn los o skończonych Var. jeżeli
lim (n -> niesk) [Var(X1+...+Xn)] / n^2 =...
P(Bi | A) = [ P(A|Bi) * P(Bi) ] / [ suma od j=1 do n P(A | Bj) * P(Bj) ]
jeśli EX^2 < niesk i EY^2 < niesk to
|EXY| <= sqrt ( EX^2 * EY^2 )
funkcja F: R -> <0,1> dana wzorem
F(x) = P(X<=x)
f(x) = 1/b-a x(a,b), 0 poza
P(X<=xp)>=p
E(0n) = 0 dla kazdego n>=2
rodzina podzbiorów f sprłniająca warunki
1 omega nalezy do f
2 jesli A nalezy fo f to -A też należy
3 jesli A1, A2...
1. f nieujemna
2. całka po całej osi R z f(x) = 1
g(x)=|x|^p, p>0
P(|X|)>=E) <= E(|X|)^p / E^p
lim (n->niesk) P(|0n-0| < E) = 1 dla każdego E>0
f(x) = 1/pi * lambda / [l ambda^2 = (x-mi)^2 ] x,m należ R, lambda <0
x1+x2+x3+...+xn / n
funkcja omega ->R
Xn -p.p.->X jeśli
P[w: lim (n->niesk) Xn(w) = X(w) ] 1
Xn -P->X jeśli
dla każdego (E>0) lim (n->niesk) P(|Xn - X| >E )=0
X - z niezerowym prawdopodobieństwem przyjmuje skończone lub przeliczalnie wiele wartości
suma Pi = 1
=EXY - EX*EY
Pk(n) = (n-1/k-1) * p^k * q^n-k
n qrt(x1*x2*...*xn)
suma (Xk - mk) / n -p.p.-> 0
od k=1 do n
[ (X1+..+Xn) - (E(X1) + .. + E(Xn)) ] /n -p.p.-> 0
dystrybuanta ciągłe
tw Kołmogorowa
Twierdzenie Lindeberga - Levy'ego (centralne tw graniczne)
prawd warunkowe
tw Chinczyna
moment n rzędu skokowe
schemat bernouliego def
mediana
Mediana
twierdzenie bernouliego wzór
średnia harmoniczna
rozkład dwumianowy
twierdzenie poissona
wriancja dyskretne
zbieżność zm los wg ptego momentu
miara prawdopodobieństwa (propabilistyczna)
rozkład poissona
niezależnośc zm los X i Y
prawdopodo całokwite wzór
moment k rzędu ciągłe
Tw o ciągłości miary propabilist
zbieżność zm los wg rozkładu (dystrybuanty)
dystrybuanta własności
współ korelacji zm los X Y
zm los scentrowana
wartośc oczekiwana skokowe
SŁABE PRAWO WIELKICH LICZB
zm los standaryzowana
zagadnienie/schemat Pascala def
zmienne losowe niezależne skokowe
rozkład wykładniczy
nierówność czebyszewa
twierdzenie Poissona
zmienna los. def
Tw przeliczalny zbiór zdarzeń element.
wartość oczekiwana ciągłe
uklad zupełny zdażeń
rozkład normalny Gaussowski
zdarzenia niezależne
tw Markowa
wzór Bayesa
nierówność Cauchy'ego-Schwarza
dystrybuanta def
rozkład jednostajny
kwantyk rzedu p
estymator nieobciążony
sigma algebra/ciało
gęstość
nierówność markowa
estymator zgodny
rozkład Cauchy'ego
średnia arytmatyczna
zm los ciągła def
zbieżność zm los punktowa
zbieżność zm los wg prawdopodobieństwa
zmienna los dyskretna
CoV(XY)
twierdzenie pascala wzór
średnia geoetryczna
MOCNE PRAWO WIELKICH LICZB

