This commit is contained in:
2026-03-31 13:41:09 +02:00
parent 81ece7137a
commit c9945fb1d3
2 changed files with 157 additions and 0 deletions

View File

@@ -1,3 +1,76 @@
# Spis tematów
Oto uporządkowana lista tematów, które pojawiają się w przesłanych przez Ciebie notatkach. Zostały one pogrupowane w logiczne kategorie:
**1. Podstawy rachunku prawdopodobieństwa i zdarzenia losowe**
- Przestrzeń zdarzeń elementarnych (Ω) i pojedyncze zdarzenia elementarne (ω)
- Zbiory przeliczalne
- Działania na zbiorach i zdarzeniach (dopełnienie, suma, przekrój)
- Zdarzenie niemożliwe i zdarzenia wykluczające się
- Przestrzenie mierzalne i zbiory borelowskie
**2. Definicje i miary prawdopodobieństwa**
- Klasyczna definicja prawdopodobieństwa (Laplace'a) dla przestrzeni skończonych
- Miara Lebesgue'a (odnosząca się do długości, pola i objętości)
- Prawdopodobieństwo geometryczne i pojęcie miary bezatomowej
**3. Zmienna losowa i statystyka opisowa (charakterystyki zmiennej)**
- Definicja zmiennej losowej jako funkcji
- Dystrybuanta i jej własności (ciągłość, granice w nieskończoności)
- Miary rozproszenia: Wariancja, odchylenie standardowe (σ) i współczynnik zmienności
- Miary położenia: Kwantyle, mediana, kwartyle, centyle (oraz ich praktyczne zastosowanie, np. do mierzenia długości dziecka)
- Miary asymetrii rozkładu (np. wydłużony ogon, na przykładzie rozkładu płac)
- Wartości skrajne (konieczność ich odrzucania przy pomiarach)
- Dominanta (moda)
**4. Rozkłady prawdopodobieństwa**
- **Rozkłady dyskretne (skokowe):**
- Rozkład zero-jedynkowy (0-1)
- Rozkład dwumianowy (wzmianka o trójkącie Pascala)
- Rozkład geometryczny (ciąg geometryczny z parametrami _p_ i _q_)
- Rozkład Poissona
- **Zmienne i rozkłady typu ciągłego:**
- Związek dystrybuanty z całką (pole pod wykresem)
- Rozkład wykładniczy
- Rozkład normalny (funkcja Gaussa)
**5. Wektory losowe i zagadnienia zaawansowane**
- Niezależność zmiennych losowych
- Wektory losowe (w tym wektory typu skokowego) i ich dystrybuanty
- Charakterystyki wektora losowego
- Twierdzenia graniczne (jako temat zamykający)
# Zdarzenia losowe # Zdarzenia losowe
## Jak wygląda przestrzeń zdarzeń elementarnych? ## Jak wygląda przestrzeń zdarzeń elementarnych?
zdarzenie $\omega$ zdarzenie $\omega$
@@ -122,3 +195,27 @@ Dystrybuanta wektora losowego
Wektor losowy typu skokowego Wektor losowy typu skokowego
# Charakterystyki wektora losowego centralne, twierdzenia graniczne i elementy statystyki opisowej
Ostatni temat z prawdopodobieństwa.
Zmienne dwuwymiarowe.
Kowariancja jest symetryczna
Kowariancja to miara określające siłę oraz zależność dwóch zmiennych losowych.
Suma zmiennych to suma wariancji +- suma kowariancji
Jeżeli zmienne X i Y są niezależne to kowariancja jest 0. Tego twierdzenia nie można odwrócić.
Współczynnik korelacji liniowej Pearsona.
Macierz kowariancji (momentów)
Nie rozumiem co tu się dzieje.
Centralne twierdzenie graniczne — jeśli ciąg zmiennych losowych $Y_{n\space n \in N}$ jest zbieżny według rozkładu do zmiennej losowej Y o rozkładzie $N(0,1)$
Twierdzenie Lindberga - Levy'ego i Moivre'a - Laplace'a
Elementy statystyki opisowej

View File

@@ -0,0 +1,60 @@
# Zadanie 1
A = matrix(c(1, 1, qnorm(0.3), qnorm(0.75)), 2, 2)
B = c(5281.21, 9090.9)
wynik = solve(A, B)
m = wynik[1]
sigma = wynik[2]
print(m)
print(sigma)
# a)
# P(x > 7800)
pnorm(7800, m, sigma, F) * 100 # 39.42534
# b)
round(qnorm(15/100, m, sigma),2) # 3654.13
# zadanie 2
A = matrix(c(1, 1, qnorm(0.8), qnorm(0.44)), 2, 2)
B = c(120, 90)
wynik = solve(A, B)
m = wynik[1]
sigma = wynik[2]
# a)
# P(X < 45)
pnorm(45, m, sigma) # 0.05051767
# b)
qnorm(0.13, m, sigma, F) # 128.6069
# zadanie 3
m = 165.5
sig = (155 - m)/qnorm((1 - 0.93)/2)
round(pnorm(170, m, sig, F) * 500)
# zadanie 4
A = matrix(c(1, 1, qnorm(11/12), qnorm(2/12)), 2, 2)
B = c(0.9, 0.5)
wynik = solve(A, B)
m = wynik[1]
sigma = wynik[2]
qnorm(0.1, m, sig, F)
# zadanie 5
m = 4001.50
sig = (3503 - m)/qnorm((1 - 0.15)/2)
qnorm(0.25, m, sig, F)
# zadanie 6
# 45 < X < 55
A = matrix(c(1, 1, qnorm(2/524), qnorm(517/524)), 2, 2)
B = c(17, 70)
wynik = solve(A,B)
m = wynik[1]
sig = wynik[2]
pnorm(55, m, sig) - pnorm(45, m, sig)