1.
Permutacje bez powtórzeń
Permutacje z powtórzeniami
gdzie: ni – liczba powtórzeń i-tego elementu
Wariacje bez powtórzeń
Wariacje z powtórzeniami
Kombinacje bez powtórzeń
Kombinacje z powtórzeniami
2. Modele przestrzeni propabilistycznej
a) Zbiór zdarzeń elementarnych Ω, gdzie Ω={w1,...,wn} – zbiór skończony
b) Ω = {w1,w2,...,wn,...} - zbiór nieskończony przeliczalny
Przykład
D = {klient przy okienku w banku}
wi = {liczba klientów przy okienku}, i = 0,1,2,3,...,n,
Ω = {w1,w2,...,wn,...}
c) Ω = {wx,x € [0,1]} – zbiór zdarzeń nieskończony nieprzeliczalny
D = {czas do pierwszego uszkodzenia komputera}
w(t) = {t,t >= 0 czas do pierwszego uszkodzenia}
D – doświadczenie losowe
wi – zdarzenie elementarne
Ω – zbiór zdarzeń elementarnych
3. Klasyczna metoda obliczenia prawdopodobieństwa
Niech {Ω,F,P} – przestrzeń propabilistyczna, która spełnia następujące warunki:
a) Ω = {w1,...,wn} – zbiór skończony
b) P{w1} = P{w2} = … = P{wn} = 1/n
Wówczas dla V A € F, gdzie A = {wn1,wn2,...,wnm} jest zbiorem „m” zdarzeń elementarnych, mamy P(A) = m/n
gdzie: m – liczba zdarzeń elementarnych sprzyjających A
n – ogólna liczba zdarzeń elementarnych w Ω.
4. Geometrzyczne metody obliczania prawdopodobieństwa
a) jednowymiarowe
V A € F ↔ [α,β] → M(A) = ( β - α) – miarą jednowymiarowych zbiorów jest odcinek
b) dwuwymiarowe
M(A) = S – miarą dwuwymiarowych zbiorów jest pole powierzchni
c) trójwymiarowe
M(A) = VA – miarą trójwymiarowych zbiorów jest objętość
gdzie: M(Ai) – miara Ai, M( Ω) – miara Ω
A – zdarzenie losowe
F – algebra (rodzina) wszystkich podzbiorów Ω
5. Metody doświadczalne obliczania prawdopodobieństwa.
Częstość wystąpienia zdarzenia losowego A
m – liczba wystąpień zdarzenia A
n – ogólna liczba prowadzonych doświadczeń
6. Prawdopodobieństwo warunkowe i sposoby jego obliczania(klasyczne, geometryczne, doswiadczalne).
7. Warunkowe prawdopodobieństwo.
Dwa dowolne zdarzenia A,B € F są niezależne, jeżeli spełnione są warunki:
Jeżeli A i B są niezależne to:
{A1,...,An} są zdarzeniami wzajemnie niezależnymi, jeżeli:
Jeżeli jest spełnione dla k=2 to zdarzenia {A1,...,An} są niezależne parami.
8. Metoda Bayesa.
H – hipoteza
P(H) – prawdopodobieństwo hipotezy H a priori
P(H|A) – prawdopodobieństwo hipotezy H a posteriori
9. Schemat Bernouliego.
n – liczba eksperymentów
Rn – prawdopodobieństwo wystąpienia co najmniej jednego sukcesu
m* - najbardziej prawdopodobna liczba sukcesów
p - prawdopodobieństwo sukcesu
q – prawdopodobieństwo porażki
10. Dyskretne zmienne losowe + tabela rozkladu.
Dystrybuanta F(x), x € (-ns,+ns) zmiennej losowej
xi
x1
x2
...
xn
pi
p1
p2
pn
11. Typowe rozklady zmiennych losowych dyskretnych (jednopunktowy, dwupunktowy, Bernouliego) + tabele rozkladu.
X(w) – zmienna losowa
a) jednopunktowy rozkład
a
Pi
1
gdzie: P{X(w)=a} = 1, a – liczba rzeczywista
b) dwupunktowy rozkład
0
p
q
gdzie: P{X(w)=0} = p; P{X(w)=1} = q, p i q – nieujemne liczby rzeczywiste (p+q=1)
c) rozkład Bernoulliego
n
P0
P1
Pn
d) rozkład Poissona
2
P2
12. Momenty zwykłe i centralne.
Moment zwykły rzędu k (k=1,2,...)
Moment centralny rzędu k
p – funkcja prawdopodobieństwa
f – funkcja gęstości
E(X) – wartośc oczekiwana
X – zmienna losowa
14. Typowe rozkłady zmiennych losowych ciągłych.
a) rozkład jednostajny (równomierny) standardowy
b) rozkład jednostajny dowolny
c) rozkład normalny (Gaussa)
N(a,σ), gdzie: a – wartość oczekiwana, σ – odchylenie standardowe,
σ2 – wariancja (dyspersja)
a) N(0,1) – rozkład standardowy
b) N(a, σ) – rozkład normalny w ogólnej postaci
d) rozkład wykładniczy
15. Charakterystyki zmiennych losowych ciągłych.
a) wartość oczekiwana
b) wariancja
V(X)
c) odczylenie standardowe
d) moment zwykły rzędu k (k=1,2,...)
e) rozkład Bernoulliego
f) rozkład Poissona
16. Własności momentów.
a) własności E(X)
b) własności V(X)
17. Zmienne losowe dwuwymiarowe.
xi \ yj
y1
y2
ys
∑
pawulon92