Statistika (za biologe, 2.dio) - Pmf

More documents

Recommendations

Info

Primjer Kolika je vjerojatnost da će nakon bacanja igraće kocke pasti paran broj? Već smo odredili sve moguće ishode tj. A traˇzimo Ω = {1, 2, 3, 4, 5, 6}. P (A) <strong>za</strong> A = { pao je paran broj} = {2, 4, 6}. Ako je kocka simetrična, svi elementarni dogadjaji su jednako vjerojatni, tj. P (1) = P (2) = · · · = P (6).
Kako se elementarni dogadjaji medjusobno isključuju definicija vjerojatnosti nam kaˇze 6� P (Ω) = P ({1} ∪ . . . ∪ {6}) = P (i) = 6P (1). No P (Ω) = 1 pa dakle vrijedi <strong>za</strong> sve i. Sad je P (i) = 1 6 P (A) = P ({2} ∪ {4} ∪ {6}) = P (2) + P (4) + P (6) = 3 6 . i=1
Page 1 and 2: Statistika (za biologe, 2.dio) Boja
Page 3 and 4: Matematički modeli u znanosti čes
Page 5 and 6: Već smo rekli da pojam vjerojatnos
Page 7 and 8: Elementarni dogadjaj je svaki mogu
Page 9 and 10: iii) Kod slučajnog odabira bebe ro
Page 11 and 12: ⋄ Sl. dogadjaji su skupovi dakle
Page 13 and 14: Vjerojatnost sl. dogadjaja Vjerojat
Page 15: Primjer C. de Mere je u 17 st. pita
Page 19 and 20: Prema definiciji vjerojatnosti, vje
Page 21 and 22: Pravila za računanje vjerojatnosti
Page 23 and 24: Gornja formula sugerira da je jako
Page 25 and 26: ⋄ (Broj permutacija) Pretpostavim
Page 27 and 28: ⋄ (Broj kombinacija) Pretpostavim
Page 29 and 30: Uvjetna vjerojatnost Ponekad imamo
Page 31 and 32: Uvjetna vjerojatnost pokazuje kako
Page 33 and 34: Primjer Sad moˇzemo pokuˇsati rij
Page 35 and 36: Slično se moˇze pokazati (pokaˇz
Page 37 and 38: Primjer (prisoner’s dilemma) Pret
Page 39 and 40: Primjer Postoji test koji ispituje
Page 41 and 42: Modeli razdioba i slučajne varijab
Page 43 and 44: Piˇsemo X ∼ � a1 a2 a3 . . . p
Page 45 and 46: Primjer Ako bacamo dva novčića, p
Page 47 and 48: Matematičko očekivanje Ako je X s
Page 49 and 50: ⊲ Ako su X i Y dvije sl. varijabl
Page 51 and 52: Moˇze se pokazati da za varijancu
Page 53 and 54: Primjer Nadjite varijancu odn. stan
Page 55 and 56: Zajednička razdioba dvije sl. vari
Page 57 and 58: Za diskretne sl. varijable X iY ka
Page 59 and 60: Za nezavisne sl. varijable vrijedi
Page 61 and 62: Iz zajedničke razdiobe kovarijancu
Page 63 and 64: Binomna razdioba Zakonom razdiobe o
Page 65 and 66: Primjetite, Bernoullijeva sl. varij
Page 67 and 68:
Hipergeometrijska razdioba Pretpost
Page 69 and 70:
Hipergeometrijska sl. varijabla X i
Page 71 and 72:
Ako je X Poissonova sl. varijabla a
Page 73 and 74:
Sjetimo se histograma koji smo kori
Page 75 and 76:
Za sl. varijablu X kaˇzemo da je n
Page 77 and 78:
Očekivanje i varijanca neprekidnih
Page 79 and 80:
Normalna razdioba Neprekidna sl. va
Page 81 and 82:
0.0 0.2 0.4 0.6 0.8 0 1 2 3 4 Norma
Page 83 and 84:
Ako je X ∼ N(µ, σ 2 ), za zadan
Page 85 and 86:
Posebno ako je X ∼ N(µ, σ 2 ),
Page 87 and 88:
Iz osnovnih pravila za računanje v
Page 89 and 90:
No pitanje ostaje - zaˇsto smo kao
Page 91 and 92:
Zbog toga vrijedi P (a ≤ X ≤ b)
Page 93 and 94:
0.00 0.10 0.20 0.00 0.10 0.20 0 2 4
Page 95 and 96:
χ 2 razdioba Sl. varijabla X ima
show all

Statistika (za biologe, 2.dio) - Pmf

Create successful ePaper yourself

Delete template?

Save as template?