RACHUNEK PRAWDOPODOBIEŃSTWA
TESTy POPRAWKOWE - zagadniania semestr zimowy 2019/2020
UWAGA: niektóre dowody, które obowiązywały na pierwszym terminie, teraz nie wchodzą w zakres materiału.
TEST 1
ZAKRES MATERIAŁU: Rozdziały 1–3 TEST 1 - zadania
• Części A i B z zestawów 01–09DRAP;
TEST 1 - teoria
Rozdział 2:
• definicja przestrzeni probabilistycznej;
• definicja σ–ciała zdarzeń;
• własności σ–ciała ;
• rozdział 2.1. przykład 5 (umieć znaleźć najmniejsze σ–ciało zawierające daną rodzinę)
• definicja σ–ciała zbiorów borelowskich;
• aksjomatyczna definicja prawdopodobieństwa;
• własności prawdopodobieństwa (W1–W7) z dowodami;
• rozdział 2.2, przykłady 3 i 4 z rozwiązaniami (przestrzenie z równo prawdopodobnymi zdarzeniami elementarnymi);
• zasada włączeń i wyłączeń dla n zdarzeń z dowodem dla 3 zdarzeń;
• nierówność Boole’a ;
• twierdzenia o ciągłości ;
• definicja przestrzeni probabilistycznej;
• definicja dyskretnej przestrzeni probabilistycznej;
• definicja przestrzeni probabilistycznej z prawdopodobieństwem geometrycznym;
• różnica między zdarzeniem niemożliwym (∅) a nieprawdopodobnym (takim, że P(A) = 0) – przykład 7 i zadania z ćwiczeń (w tym zadanie A6 z 06DRAP);
• Przestrzeń probabilistyczna odpowiadająca nieskończonemu rzutowi monetą: należy umieć podać sposób na znalezienie wyniku eksperymatu (ciągu orłów i reszek), który odpowiada punktowi w [0, 1) i wytłumaczyć, które wyniki są ignorowane.
Rozdział 3
• definicja prawdopodobieństwa warunkowego;
• wzór łańcuchowy z dowodem;
• wzór na prawdopodobieństwo całkowite z dowodem;
• wzór Bayesa z dowodem;
• definicja niezależności dwóch zdarzeń;
• rozdział 3.2 przykład 2 z rozwiązaniem (kiedy zdarzenia wzajemnie wykluczające się są niezależne)
• definicja niezależności 3 zdarzeń;
• definicja niezależności dla dowolnej liczby zdarzeń;
• twierdzenie o niezależności dopełnień zdarzeń niezależnych ;
• twierdzenie o tym jak ∪, ∩... wpływa na niezależność zdarzeń ;
• definicja przestrzeni produktowej;
• definicja schematu Bernoulliego;
• wzór na prawdopodobieństwo k sukcesów w n próbach w schemacie Bernoulliego z ideą dowodu;
• Lemat Borela–Cantelliego .
TEST 2
ZAKRES MATERIAŁU: Rozdziały 4.0–5.2
Zanim zaczniesz przygotowania, spójrz, co zawiera oficjalna ściąga.
TEST 2 - zadania
• Części A i B z zestawów 10DRAP–20DRAP (bez 12DRAP);
TEST 2 - teoria
Rozdział 4:
• definicja zmiennej losowej;
• definicja dystrybuanty zmiennej losowej;
• własności dystrybuanty zmiennej losowej ;
• inne przydatne własności dystrybuanty ;
• definicja rozkładu prawdopodobieństwa zmiennej losowej;
• co to znaczy, że zmienna losowa jest skupiona na zbiorze A;
• definicja zmiennej losowej dyskretnej;
• definicja atomu rozkładu zmiennej losowej;
• jak podać rozkład zmiennej losowej dyskretnej;
• własności rozkładu zmiennej losowej dyskretnej;
• własności dystrybuanty zmiennej losowej dyskretnej;
• definicja zmiennej losowej o rozkładzie ciągłym;
• własności gęstości rozkładu ciągłego;
• własności dystrybuanty zmiennej losowej ciągłej;
• czy każda zmienna losowa o ciągłej dystrybuancie jest zmienną losową ciągłą? (Należy umieć podać przykład z.l. o ciągłej dystrybuancie, która nie jest z.l. ciągłą. Umieć naszkicować jej dystrybuantę i podać własności dystrubuanty;
określić moc i wygląd zbioru, na którym jest skupiona ta z.l.; wiedzieć, czy ma atomy – bez dowodów – patrz ćwiczenia 12DRAP)
• czy dystrybuanta zmiennej losowej ciągłej jednoznacznie wyznacza gęstość?
• przykład zmiennej losowej, która nie jest ani ciągła ani dyskretna;
• zapis dystrybuanty jako kombinacji wypukłej dystrybuanty z.l. ciągłej i dyskretnej (patrz ćwiczenia 12DRAP)
• słynne rozkłady dyskretne: przykłady eksperymentów, które związane są z tymi rozkładami;
• zastosowanie twierdzenia o gęstości zmiennej losowej będącej funkcją ϕ(X) zmiennej losowej ciągłej X o gęstości f (bez sformułowania, tylko dowód);
• definicja wartości oczekiwanej zmiennej losowej dyskretnej/ciągłej;
• twierdzenie o własnościach wartości oczekiwanej;
• addytywność wartości oczekiwanej: wzór + zastosowanie do wyznaczenia wartości oczekiwanej zmiennych losowych o rozkładach: dwumianowym, ujemnym dwumianowym, hipergeometrycznym (z rozdziału 4.5).
• twierdzenie o wartości oczekiwanej funkcji zmiennej losowej (ciągłej/dyskretnej);
• twierdzenia o wartości oczekiwanej zmiennej losowej o wartościach nieujemnych dla zmiennych losowych cią- głych/dyskretnych
• ... wraz z zastosowaniem do wyznaczenia wartości oczekiwanej zmiennej losowej o rozkładzie: geometrycznym i wykładniczym (z rozdziału 4.5).
• definicja wariancji i odchylenia standardowego;
• prosty wzór na wyznaczenie wariancji (z dowodem);
• wzór na zależność między Var(aX + b) a VarX (z dowodem);
• definicja momentów zwykłych/absolutnych/centralnych;
Rozdziały 5.0, 5.1 i 5.2
• definicja wektora losowego;
• jak podać rozkład łączny dyskretnego/ciągłego wektora losowego (X, Y );
• własności rozkładu łącznego wektora losowego dyskretnego;
• własności gęstości rozkładu łącznego wektora losowego ciągłego;
• rozkład jednostajny na zbiorze w R2(rozdział 5.0 przykład 4 i 5);
• rozkłady brzegowe: definicja;
• jak wyznaczyć rozkład brzegowy zmiennej losowej dyskretnej;
• jak wyznaczyć rozkład brzegowy zmiennej losowej ciągłej;
• czy znając rozkłady brzegowe można wyznaczyć rozkład łączny? (rozdział 5.0 przykłady 7 i 8)
• definicja dystrybuanty rozkładu łącznego wektora losowego;
• własności dystrybuanty rozkładu łącznego wektora losowego;
• definicja niezależności zmiennych losowych;
• twierdzenie o dystrybuancie wektora niezależnych zmiennych losowych;
• twierdzenie o rozkładzie łącznym niezależnych zmiennych losowych dyskretnych;
• twierdzenie o gęstości łącznej niezależnych zmiennych losowych ciągłych z przykładem (rozdz. 5.1. prz. 2 i prz. 3);
• twierdzenie o funkcjach zmiennych losowych niezależnych;
• wzór na rozkład splotu zmiennych losowych dyskretnych;
• wzór na gęstość splotu zmiennych losowych ciągłych;
• wzór na wartość oczekiwaną funkcji wektora zmiennych losowych dyskretnych/ciągłych;
• twierdzenie o wartości oczekiwanej iloczynu niezależnych zmiennych losowych;
• definicja kowariancji;
• nierówność Schwarza
• wniosek z nierówności Schwarza o kowariancji (i współczynniku korelacji)
• definicja i własności współczynnika korelacji (Kiedy ρ(X, Y ) = ±1?);
• różnica między zmiennymi losowymi niezależnymi a nieskorelowanymi (rozdz. 5.2 prz. 7);
• własności kowariancji (z dowodami);
• twierdzenie o wariancji sumy zmiennych losowych (z dowodem dla dwóch zmiennych losowych) i...
• ... z zastosowaniem do wyznaczenia wariancji zmiennych losowych o rozkładzie hipergeometrycznym, dwumianowym i ujemnym dwumianowym;
TEST 3
ZAKRES MATERIAŁU: Rozdziały 5.3–8.0
Zanim zaczniesz przygotowania, spójrz, co zawiera oficjalna ściąga.
TEST 3 - zadania
• Części A i B z zestawów DRAP21–26;
TEST 3 - teoria
Rozdział 5.3:
• definicja rozkładu warunkowego dla zmiennych losowych dyskretnych;
• definicja gęstości rozkładu warunkowego dla zmiennych losowych ciągłych;
• definicja warunkowej wartości oczekiwanej z.l. X pod warunkiem Y = y dla zmiennych losowych dyskretnych i ciągłych;
• definicja warunkowej wartości oczekiwanej zmiennej losowej X względem zmiennej losowej Y dla zmiennych losowych dyskretnych i ciągłych;
• twierdzenie o wartości oczekiwanej warunkowej wartości oczekiwanej
• własności warunkowej wartości oczekiwanej;
Rozdział 6
W tym rozdziale uwaga na nazewnictwo – proszę korzystać z tego z wykładu, bo różne źródła podają różne nazwy.
• Nierówność Czebyszewa
• Nierówność Markowa z dowodem;
• Nierówność Czebyszewa–Bienaym´e z dowodem;
• Wykładnicza nierówność Czebyszewa z dowodem;
• Nierówność Bernsteina
• typy zbieżności ciągów zmiennych losowych – definicje (prawie na pewno, według prawdopodobieństwa, według p–tego momentu, według rozkładu);
• twierdzenia o zbieżności
• słabe prawo wielkich liczb Bernoulliego (z dowodem)
• słabe prawo wielkich liczb z dowodami;
• mocne prawo wielkich liczb Bernoulliego
• mocne prawa wielkich liczb
• centralne twierdzenie graniczne i twierdzenie de Moivre’a–Lalpace’a - sformułowanie;
Rozdział 7
• definicje funkcji tworzącej, funkcji tworzącej momenty i funkcji charakterystycznej rozkładu.
• twierdzenia o jednoznaczności dla funkcji tworzącej, funkcji tworzącej momenty i funkcji charakterystycznej rozkładu (z dowodem dla funkcji tworzących)
• Umieć opisać, jak wyznaczyć momenty zmiennej losowej znając: funkcję tworzącą, funkcję tworzącą momenty, funkcję charakterystyczną rozkładu. Umieć podać odpowiednie twierdzenia związane z tym zagadnieniem.
• Wzór na funkcję tworzącą/funkcję tworzącą momenty/funkcję charakterystyczną zmiennej losowej będącej sumą niezależnych zmiennych losowych. (z dowodem dla funkcji tworzących i funkcji tworzących momenty)
• Wzór na funkcję tworzącą momenty/funkcję charakterystyczną zmiennej losowej typu aX + b. (z dowodem dla funkcji tworzących momenty)
• Twierdzenie o funkcji tworzącej sumy X1+ . . . + XN, gdzie N, X1, X2, . . . są niezależnymi zmiennymi losowymi
• Co to jest proces gałązkowy?
• Twierdzenie o n-tym pokoleniu
• Twierdzenie o wymarciu
• Twierdzenie o ciągłości dla funkcji tworzących/funkcji tworzących momenty/funkcji charakterystycznych.
• Twierdzenie Poissona z dowodem wykorzystującym funkcje tworzące.
Rozdział 8
• definicje: łańcuch Markowa, rozkład początkowy, macierz przejścia (stochastyczna), jednorodny łańcuch Markowa;
• macierz przejścia w n krokach (jak wygląda; fakt o tym, jakie „informacje” zawiera);
• definicje: stan osiągalny ze stanu i, stany wzajemnie skomunikowane (podział na zbiory stanów wzajemnie skomuni- kowanych), stan nieistotny, stan pochłaniający
(umieć znajdować stany danego typu na „graficznie” przedstawionym łańcuchu Markowa);
• definicja łańcucha nieprzywiedlnego i okresowego, definicja okresu stanu (z praktycznym zastosowaniem - patrz zadanie z wykładu)
• definicja rozkładu stacjonarnego, jak będzie się „zachowywać” łańcuch Markowa po przyjęciu za rozkład początkowy rozkładu stacjonarnego;
• twierdzenie ergodyczne.