Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...

More documents

Recommendations

Info

0.5 0.4 0.3 0.2 0.1 -4 -3 -2 -1 1 2 3 4 0.5 0.4 0.3 0.2 0.1 -4 -3 -2 -1 1 2 3 4 0.5 0.4 0.3 0.2 0.1 -4 -3 -2 -1 1 2 3 4 0.5 0.4 0.3 0.2 0.1 -4 -3 -2 -1 1 2 3 4 0.5 0.4 0.3 0.2 0.1 -4 -3 -2 -1 1 2 3 4 0.5 0.4 0.3 0.2 0.1 -4 -3 -2 -1 1 2 3 4 Slika 5.2: Usporedba histograma standardizirane verzije binomne (n, 2 5 ) razdiobe i gustoće jedinične normalne razdiobe za n = 10, 20, 40, 60, 80, 100. 52
0 0.2 0.4 0.6 0.8 1 0.5 0.75 1 1.25 1.5 1.75 2 1 1.5 2 2.5 3 3.5 4 2 3 4 5 6 7 8 4 6 8 10 12 14 16 Slika 5.3: Usporedba histograma konvolucija f n∗ gustoće f diskretne vjerojatnosne razdiobe s gustoćama pripadnih normalnih razdioba (s istim matematičkim očekivanjem i varijancom) za n = 1, 2, 4, 8, 16. 53
Page 1 and 2: Sveučilište u Zagrebu PMF-Matemat
Page 3 and 4: 4 Zajednička razdioba slučajnih v
Page 5 and 6: 10.2.7 Provjera modela . . . . . .
Page 7 and 8: deskriptivne statistike, koriste se
Page 11 and 12: elativna visina razred frekvencija
Page 13 and 14: Primjer 1.8 Aritmetička sredina po
Page 15: U sljedećem koraku definiramo donj
Page 18 and 19: zovemo vjerojatnost na (Ω, F). Bro
Page 20 and 21: Funkciju f X zovemo funkcijom gusto
Page 22 and 23: 2.7 Momenti Neka je X slučajna var
Page 24 and 25: Geometrijska slučajna varijabla im
Page 26 and 27: Vrijedi: E[X] = α + β (β − α)
Page 28 and 29: 0.4 0.3 0.2 0.1 -3 -2 -1 0 1 2 3 In
Page 30 and 31: 2.9.2 Neprekidne razdiobe Neka je X
Page 32 and 33: Poglavlje 3 Funkcije izvodnice 3.1
Page 34 and 35: Primjer 3.5 Pomoću f.i.v., izraču
Page 36 and 37: 3.5 Funkcije izvodnice linearnih fu
Page 38 and 39: Svojstva te funkcije: (G1) f X,Y (x
Page 40 and 41: Primjer 4.3 Za slučajni vektor (X,
Page 42 and 43: 4.6 Kovarijanca i koeficijent korel
Page 44 and 45: 4.8 Konvolucije Neka su X i Y sluč
Page 46 and 47: Primjer 4.9 Neka su X ∼ P (λ) i
Page 48 and 49: Kompozicaja te funkcije i slučajne
Page 50 and 51: Alternativno se koristi nestandardi
Page 54 and 55: 5.2.3 Gama razdioba Neka je X 1 , X
Page 56 and 57: su statistike, dok uzorački drugi
Page 58 and 59: Dakle, S 2 ima χ 2 -distribuciju k
Page 60 and 61: 6.5 Fisherova F -razdioba Ako su U
Page 62 and 63: Dakle, procjenitelj metodom momenat
Page 64 and 65: Primjer 7.5 Neka je x = (x 1 , x 2
Page 66 and 67: Očito se ta jednadžba mora rješa
Page 68 and 69: Cramer-Raova donja granica. Primije
Page 70 and 71: Na primjer, ako je θ ↦→ g(X,
Page 72 and 73: Ta veličina je studentizirana verz
Page 74 and 75: 8.3.2 Parametar Poissonove razdiobe
Page 76 and 77: gdje su ˆθ 1 = X 1 /n 1 i ˆθ 2
Page 78 and 79: Poglavlje 9 Testiranje statistički
Page 80 and 81: Ako bi htjeli sprovesti dvostrani t
Page 82 and 83: 9.3.4 Testovi o parametru Poissonov
Page 84 and 85: 9.6 Testovi i pouzdani intervali Ob
Page 86 and 87: Zadnja smo dva razreda u tablici mo
Page 88 and 89: Dijagram rasprešenja: 5 4.5 4 ispl
Page 90 and 91: 10.1.2 Normalni model i inferencija
Page 92 and 93: Nije teško pokazati da se te procj
Page 94 and 95: 5 4.5 4 isplata 3.5 3 2.5 2 2 2.5 3
Page 96 and 97: Ta se slučajna varijabla kristi ka
Page 98 and 99: 10.2.8 Transformirani podaci U neki
Page 100 and 101: te τ i , odstupanje i-tog tretmana
Page 102 and 103:
Primjer 11.1 Iz svakog od tri osigu
Page 104 and 105:
11.2 Analiza sredina tretmana Pretp
Page 106:
Literatura [1] Subject 101: Statist
show all

Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...

Create successful ePaper yourself

Delete template?

Save as template?