Statistika (za biologe, 2.dio) - Pmf

More documents

Recommendations

Info

Ako se skup Ω moˇze napisati kao unija disjunktnih podskupova Hi, i = 1, 2, . . ., tada je P (B) = � P (B|Hi)P (Hi) . i Zato se <strong>za</strong> A = H1 Bayesova formula moˇze napisati i u ovom obliku P (H1|B) = P (B|H1)P (H1) � i P (B|Hi)P (Hi) .
Primjer Postoji test koji ispituje prisutnost odredjene rijetki bolesti na osnovu uzorka krvi. Test nije savim preci<strong>za</strong>n, pa je poznato da vrijedi ali i P (test je pozitivan|pacijent je bolestan) = 0.99 P (test je pozitivan|pacijent je zdrav) = 0.02 Pretpostavite da je sl. odabrana osoba pozitivna na test, ako se bolest javlja u 1 od 10000 osoba u populaciji, kolika je vjerojatnost da je ta osoba bolesna?
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 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: Primjer (prisoner’s dilemma) Pret
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?