Statistika (za biologe, 2.dio) - Pmf

More documents

Recommendations

Info

Posebno ako su A i B disjunktni P (A ∪ B) = P (A) + P (B). Lako je provjeriti da sve ovo vrijedi i u posebnom slučaju kad su elem. dogadjaji jednako vjerojatni. No tada mi znamo i viˇse P (A) = broj elementarnih dogadjaja koji su povoljni za A broj elementarnih dogadjaja u Ω .
Gornja formula sugerira da je jako vaˇzno u modelu s jednako vjerojatnim elem. dogadjajima znati prebrojati elemente proizvoljnog skupa A ⊆ Ω. Ponovimo neka općenita pravila o broju elem. ishoda pojedinih pokusa. ⋄ (Pravilo mnoˇzenja) Ako imamo dva sl. dogadjaja A1 i A2 vezana uz dva odvojena pokusa, tada moˇzemo uvesti novi dogadjaj A = {u prvom pokusu dogodio se A1 u drugom A2}. Broj povoljnih elem. dogadjaja za A je sada n1 · n2 gdje je ni broj elementarnih dogadjaja koji su povoljni za Ai.
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 and 16: Primjer C. de Mere je u 17 st. pita
Page 17 and 18: Kako se elementarni dogadjaji medju
Page 19 and 20: Prema definiciji vjerojatnosti, vje
Page 21: Pravila za računanje vjerojatnosti
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

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?