Statistika (za biologe, 2.dio) - Pmf

More documents

Recommendations

Info

Za sl. varijable X i Y definiramo koeficijent korelacije kao corr(X, Y ) = cov(X, Y ) . σXσY Ako cov(X, Y ) = 0, slijedi corr(X, Y ) = 0, u tom slučaju kaˇzemo da su X i Y nekorelirane. Npr. nezavisne sl. varijable su uvijek nekorelirane, no obrnuto ne vrijedi. Broj corr(X, Y ) je uvijek izmedju -1 i 1. U slučaju corr(X, Y ) = ±1 sl. varijable su X i Y potpuno linearno zavisne, preciznije, za neke a, b ∈ R Y = aX + b .
Binomna razdioba Zakonom razdiobe odredjujemo vjerojatnosni model za izvjesno numeričko obiljeˇzje. Najvaˇzniji primjer pokusa je onaj kod kojeg imamo samo dva moguća ishoda: ”uspjeh” i ”neuspjeh”. Ako je vjerojatnost uspjeha p ∈ [0, 1] zakon razdiobe sl. varijable X koja iznosi 1 ako se dogodio ”uspjeh”, a 0 ako se dogodio ”neuspjeh”, izgleda ovako X ∼ � 0 1 q p gdje je q = 1 − p. Sl. varijablu X s ovakom razdiobom zovemo Bernoulllijeva sl. varijabla s parametrom p. � ,
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 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: Iz zajedničke razdiobe kovarijancu
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?