Rozkłady zmiennej losowej dyskretnej:

Nazwa rozkładu Informacje Rozkład Wart. oczek. Wariancja Moda

Równomierny 2
a, b ∈ Z 1 a+b −1
X ∼ R(a, b) X ∈ {a, a + 1, ..., b}
P (X = k) = b−a+1 E (X ) = 2 12
D 2 (X ) = (b−a+1) mo = N A

Dwumianowy
dla (n + 1)p 6∈ N

n ∈ N, p ∈ (0, 1)
k
P (X = k) = p k (1 − p)n−k E (X ) = np D 2 (X ) = np(1 − p) m o = (n + 1)p dla (n + 1)p ∈ N
¡n ¢  ⌊(n + 1)p⌋
X ∼ B (n, p) X ∈ {0, 1, ..., n}
(n + 1)p − 1
Geometryczny 1−p


p ∈ (0, 1)
P (X = k) = (1 − p)k−1 p E (X ) = p1 D 2 (X ) = p 2 mo = 1
X ∼ G 1 (p) X ∈ {1, 2, 3, ...}
Poissona λ>0 k
P (X = k) = λk! e −λ E (X ) = λ D 2 (X ) = λ m o = ⌊λ⌋ i ⌈λ⌉ − 1
X ∼ Poi s(λ) X ∈ {0, 1, ...}
Twierdzenie: Gdy X ∼ B (n, p) oraz n > 30 (czyli duże), p < 0, 1 (czyli małe) i np ≤ 10, to zmienna˛ losowa˛ X można przybliżyć rozkładem
Poissona: X ∼ Poi s(np).
Rozkłady zmiennej losowej ciagłej: ˛
Nazwa rozkładu Informacje F. g˛estości Dystrybuanta Wart. oczek. Wariancja

Jednostajny
x<a
b−a x−a a+b 2 (b−a)2
x [a, b] E (X ) D (X )

a, b ∈ R x ∈ [a, b]
0 p.p. 2 12
½ 1
f (x) = F (x) = ∈ = =
 0

1
X ∼ U [a, b] X ∈ [a, b]
x >b
Wykładniczy 0
 b−a

λ>0 λe −λx x ≥ 0 x <0

0 p.p.
½ ½
f (x) = F (x) = −λx E (X ) = λ1 D 2 (X ) = λ12
X ∼ E xp(λ) X ∈ [0, ∞) 1−e x ≥0
Normalny a, b ∈ R (x−µ)2 (t −µ)2
exp{− 2σ2 } d t
σ 2π
f (x) = p1 exp{− 2σ2 } F (x) = p1 E (X ) = µ D 2 (X ) = σ2
Rx
X ∼ N (µ, σ) X ∈ [a, b] σ 2π −∞
Dla rozkładu normalnego:
X −µ
• standaryzacja: X ∼ N (µ, σ), U = σ U ∼ N (0, 1)
• suma: X i ∼ N (µi , σi ) i = 1, ..., n, to suma X = X 1 + ... + X n ma rozkład X ∼ N (µ1 + ... + µn , σ21 + ... + σ2n )
q

σ21 +...+σ2n
q
µ +...+µ
• średnia: X i ∼ N (µi , σi ) i = 1, ..., n, to średnia X = Xn ma rozkład X ∼ N( 1 n n , n
)
• twierdzenie: Jeśli X ∼ B (n, p) oraz n > 30 (czyli duże), p ∈ [0, 1; 0, 9], np ≥ 10, n(1 − p) ≥ 10, to można rozkład zmiennej losowej X
aproksymować rozkładem normalnym N (np, np(1 − p)).
p
Rozkłady zmiennej losowej dyskretnej:
Nazwa rozkładu Informacje Rozkład Wart. oczek. Wariancja Moda
Równomierny 2
a, b ∈ Z 1 a+b −1
X ∼ R(a, b) X ∈ {a, a + 1, ..., b}
P (X = k) = b−a+1 E (X ) = 2 12
D 2 (X ) = (b−a+1) mo = N A

Dwumianowy
dla (n + 1)p 6∈ N

n ∈ N, p ∈ (0, 1)
k
P (X = k) = p k (1 − p)n−k E (X ) = np D 2 (X ) = np(1 − p) m o = (n + 1)p dla (n + 1)p ∈ N
¡n ¢  ⌊(n + 1)p⌋
X ∼ B (n, p) X ∈ {0, 1, ..., n}
(n + 1)p − 1
Geometryczny 1−p


p ∈ (0, 1)
P (X = k) = (1 − p)k−1 p E (X ) = p1 D 2 (X ) = p 2 mo = 1
X ∼ G 1 (p) X ∈ {1, 2, 3, ...}
Poissona λ>0 k
P (X = k) = λk! e −λ E (X ) = λ D 2 (X ) = λ m o = ⌊λ⌋ i ⌈λ⌉ − 1
X ∼ Poi s(λ) X ∈ {0, 1, ...}
Twierdzenie: Gdy X ∼ B (n, p) oraz n > 30 (czyli duże), p < 0, 1 (czyli małe) i np ≤ 10, to zmienna˛ losowa˛ X można przybliżyć rozkładem
Poissona: X ∼ Poi s(np).
Rozkłady zmiennej losowej ciagłej: ˛
Nazwa rozkładu Informacje F. g˛estości Dystrybuanta Wart. oczek. Wariancja

Jednostajny
x<a
b−a x−a a+b 2 (b−a)2
x [a, b] E (X ) D (X )

a, b ∈ R x ∈ [a, b]
0 p.p. 2 12
½ 1
f (x) = F (x) = ∈ = =
 0

1
X ∼ U [a, b] X ∈ [a, b]
x >b
Wykładniczy 0
 b−a

λ>0 λe −λx x ≥ 0 x <0

0 p.p.
½ ½
f (x) = F (x) = −λx E (X ) = λ1 D 2 (X ) = λ12
X ∼ E xp(λ) X ∈ [0, ∞) 1−e x ≥0
Normalny a, b ∈ R (x−µ)2 (t −µ)2
exp{− 2σ2 } d t
σ 2π
f (x) = p1 exp{− 2σ2 } F (x) = p1 E (X ) = µ D 2 (X ) = σ2
Rx
X ∼ N (µ, σ) X ∈ [a, b] σ 2π −∞
Dla rozkładu normalnego:
X −µ
• standaryzacja: X ∼ N (µ, σ), U = σ U ∼ N (0, 1)
• suma: X i ∼ N (µi , σi ) i = 1, ..., n, to suma X = X 1 + ... + X n ma rozkład X ∼ N (µ1 + ... + µn , σ21 + ... + σ2n )
q

σ21 +...+σ2n
q
µ +...+µ
• średnia: X i ∼ N (µi , σi ) i = 1, ..., n, to średnia X = Xn ma rozkład X ∼ N( 1 n n , n
)
• twierdzenie: Jeśli X ∼ B (n, p) oraz n > 30 (czyli duże), p ∈ [0, 1; 0, 9], np ≥ 10, n(1 − p) ≥ 10, to można rozkład zmiennej losowej X
aproksymować rozkładem normalnym N (np, np(1 − p)).
p
Probabilistyka i statystyka Automatyka i Robotyka

1. Miary położenia
• Średnia arytmetyczna:
1X n
– x= xi
n i =1
1X k
– x= mi ni
n i =1
n D − n D−1
• Dominanta x D = m D + hD
(n D − n D−1 ) + (n D − n D+1 )
• Mediana ½
x (⌊0.5n⌋+1) gdy 0.5n 6∈ N
– x me = 1
[x
2 (0.5n)
+ x (0.5n+1) ] gdy 0.5n ∈ N
s
0.5n − n [0.5]−1
– x me = m me + h [0.5] .
n [0.5]
• Kwartyl pierwszy
½
x (⌊0.25n⌋+1) gdy 0.25n 6∈ N
– xQ 1 = 1
2 [x (0.25n) + x (0.25n+1) ] gdy 0.25n ∈ N
s
0.25n − n [Q 1 ]−1
– xQ 1 = mQ 1 + h [Q 1 ] .
n [Q 1 ]
• Kwartyl trzeci
½
x (⌊0.75n⌋+1) gdy 0.75n 6∈ N
– xQ 3 = 1
[x
2 (0.75n)
+ x (0.75n+1) ] gdy 0.75n ∈ N
s
0.75n − n [Q 3 ]−1
– xQ 3 = mQ 3 + h [Q 3 ] .
n [Q 3 ]

2. Miary rozrzutu

• Odchylenie standardowe
s v à !
n n
u
1 X u 1
x 2 − nx 2
X
– s= (x i − x)2 = t
n − 1 i =1 n − 1 i =1 i
v v à !
u
k k
u
u 1 X u 1
2
X
2 2
– s= t (m i − x) n i = t m n i − nx
n − 1 i =1 n − 1 i =1 i
¡ ¢
• Typowy obszar zmienności x − s; x + s
s
• Współczynnik zmienności v = · 100%
x
• Rozst˛ep R = x max − x mi n

3
ESTYMACJA PRZEDZIA!OWA

! znane ! ! &) = 0)12

Przedzia"y ufno#ci dla #redniej :
"#$ % &'() + ; #$ . &'() + /
* ,- * ,-
! nieznane 4 4
"#$ % 0'()13(' + ; #$ . 0'()13(' + /
* ,- ,- *
4 4
"#$ % &'() + ; #$ . &'() + /
* ,- * ,-
Du!a próba n>30

Przedzia" ufno#ci dla wariancji 56 :

- 7 89
>- % ?@4 * >- % ?@4 *
< * ; * B
A ' A'
'( )13(' )13('
* *
Przedzia" ufno#ci dla odchylenia C:
- D 89
G 4 4 M
F &'() ; &'() JL
?. *
?I *

E ,H- ,H- K

Przedzia" ufno#ci dla wska$nika struktury N:

R
OP >? % OP @ OP >? % OP @ OP =
<OP % &'() Q ; OP . &'() Q B -
* - * -


EŝĞnjďħĚŶĂůŝĐnjĞďŶŽƑđƉƌſďLJ

DŽĚĞů WŽƉƵůĂĐũĂŐĞŶĞƌĂůŶĂ ^njĂĐŽǁĂŶLJ tĂƌŝĂŶĐũĂƉŽƉƵůĂĐũŝ DĂŬƐLJŵĂůŶLJĚŽƉƵƐnjĐnjĂůŶLJ EŝĞnjďħĚŶĂůŝĐnjďĂƉŽŵŝĂƌſǁ݊

ƉĂƌĂŵĞƚƌ ŐĞŶĞƌĂůŶĞũ ďųČĚƐnjĂĐƵŶŬƵ
ϭ ܰሺߤǡ ߪሻ ߤ njŶĂŶĂ ݀ ଶ ଶ
‫ݖ‬ଵି ఈߪ
ଶ
݊ൌ ǡ
݀ଶ
‫ݖ‬ଵିഀ ŬǁĂŶƚLJůƌŽnjŬųĂĚƵܰሺͲǡͳሻ
మ
Ϯ ܰሺߤǡ ߪሻ ߤ ŶŝĞnjŶĂŶĂ͕ ݀ ଶ ଶ
‫ݐ‬ଵି ఈܵ
݊଴ ʹǁƐƚħƉŶĂ ଶ
݊ൌ ǡ
ůŝĐnjĞďŶŽƑđ ݀ଶ
‫ݐ‬ଵିഀ ŬǁĂŶƚLJůƌŽnjŬųĂĚƵƚͲ^ƚƵĚĞŶƚĂnj݊଴ െ ͳƐƚ͘ƐǁŽďŽĚLJ
మ


DŽĚĞů WŽƉƵůĂĐũĂŐĞŶĞƌĂůŶĂ ^njĂĐŽǁĂŶLJ DĂŬƐLJŵĂůŶLJĚŽƉƵƐnjĐnjĂůŶLJ ^ƉŽĚnjŝĞǁĂŶLJƌnjČĚǁŝĞůŬŽƑĐŝ EŝĞnjďħĚŶĂůŝĐnjďĂƉŽŵŝĂƌſǁ݊

ƉĂƌĂŵĞƚƌ ďųČĚƐnjĂĐƵŶŬƵ ƐnjĂĐŽǁĂŶĞũĨƌĂŬĐũŝ‫݌‬
ϭ ZŽnjŬųĂĚ ‫݌‬ ݀ njŶĂŶLJ ଶ
‫ݖ‬ଵି ఈ ‫ݍ݌‬
ĚǁƵƉƵŶŬƚŽǁLJ ଶ
݊ൌ ǡ
njƉĂƌĂŵĞƚƌĞŵ‫݌‬ ݀ଶ
‫ݖ‬ଵିഀ ŬǁĂŶƚLJůƌŽnjŬųĂĚƵܰሺͲǡͳሻǡ
మ
‫ ݍ‬ൌ ͳ െ ‫͘݌‬
ଶ
Ϯ ZŽnjŬųĂĚ ‫݌‬ ݀ ŶŝĞnjŶĂŶLJ ‫ݖ‬ଵି ఈ
ĚǁƵƉƵŶŬƚŽǁLJ  ଶ
݊ൌ ǡ
njƉĂƌĂŵĞƚƌĞŵ‫݌‬ Ͷ݀ ଶ
‫ݖ‬ଵିഀ ŬǁĂŶƚLJůƌŽnjŬųĂĚƵܰሺͲǡͳሻǤ
మ

 <ǁĂŶƚLJůĞƌŽnjŬųĂĚƵƚͲ^ƚƵĚĞŶƚĂĚůĂŶƐƚŽƉŶŝƐǁŽďŽĚLJ

p 0.9 0.95 0.975 0.99 0.995 0.999

n
1 3.078 6.314 12.706 31.821 63.657 318.309
2 1.886 2.920 4.303 6.965 9.925 22.327
3 1.638 2.353 3.182 4.541 5.841 10.215
4 1.533 2.132 2.776 3.747 4.604 7.173
5 1.476 2.015 2.571 3.365 4.032 5.893
6 1.440 1.943 2.447 3.143 3.707 5.208
7 1.415 1.895 2.365 2.998 3.499 4.785
8 1.397 1.860 2.306 2.896 3.355 4.501
9 1.383 1.833 2.262 2.821 3.250 4.297
10 1.372 1.812 2.228 2.764 3.169 4.144
11 1.363 1.796 2.201 2.718 3.106 4.025
12 1.356 1.782 2.179 2.681 3.055 3.930
13 1.350 1.771 2.160 2.650 3.012 3.852
14 1.345 1.761 2.145 2.624 2.977 3.787
15 1.341 1.753 2.131 2.602 2.947 3.733
16 1.337 1.746 2.120 2.583 2.921 3.686
17 1.333 1.740 2.110 2.567 2.898 3.646
18 1.330 1.734 2.101 2.552 2.878 3.610
19 1.328 1.729 2.093 2.539 2.861 3.579
20 1.325 1.725 2.086 2.528 2.845 3.552
21 1.323 1.721 2.080 2.518 2.831 3.527
22 1.321 1.717 2.074 2.508 2.819 3.505
23 1.319 1.714 2.069 2.500 2.807 3.485
24 1.318 1.711 2.064 2.492 2.797 3.467
25 1.316 1.708 2.060 2.485 2.787 3.450
30 1.310 1.697 2.042 2.457 2.750 3.385
40 1.303 1.684 2.021 2.423 2.704 3.307
50 1.299 1.676 2.009 2.403 2.678 3.261
60 1.296 1.671 2.000 2.390 2.660 3.232
70 1.294 1.667 1.994 2.381 2.648 3.211
80 1.292 1.664 1.990 2.374 2.639 3.195
90 1.291 1.662 1.987 2.368 2.632 3.183
100 1.290 1.660 1.984 2.364 2.626 3.174
200 1.286 1.653 1.972 2.345 2.601 3.131
500 1.283 1.648 1.965 2.334 2.586 3.107

λ 1.282 1.645 1.960 2.326 2.576 3.090
 <ǁĂŶƚLJůĞƌŽnjŬųĂĚƵ߯ ଶ ĚůĂŶƐƚŽƉŶŝƐǁŽďŽĚLJ
p 0.995 0.99 0.975 0.95 0.9 0.5 0.1 0.05 0.025 0.01 0.005

n
1 7.88 6.63 5.02 3.84 2.71 0.45 0.02 0.00 0.00 0.00 0.00
2 10.60 9.21 7.38 5.99 4.61 1.39 0.21 0.10 0.05 0.02 0.01
3 12.84 11.34 9.35 7.81 6.25 2.37 0.58 0.35 0.22 0.11 0.07
4 14.86 13.28 11.14 9.49 7.78 3.36 1.06 0.71 0.48 0.30 0.21
5 16.75 15.09 12.83 11.07 9.24 4.35 1.61 1.15 0.83 0.55 0.41
6 18.55 16.81 14.45 12.59 10.64 5.35 2.20 1.64 1.24 0.87 0.68
7 20.28 18.48 16.01 14.07 12.02 6.35 2.83 2.17 1.69 1.24 0.99
8 21.95 20.09 17.53 15.51 13.36 7.34 3.49 2.73 2.18 1.65 1.34
9 23.59 21.67 19.02 16.92 14.68 8.34 4.17 3.33 2.70 2.09 1.73
10 25.19 23.21 20.48 18.31 15.99 9.34 4.87 3.94 3.25 2.56 2.16
11 26.76 24.72 21.92 19.68 17.28 10.34 5.58 4.57 3.82 3.05 2.60
12 28.30 26.22 23.34 21.03 18.55 11.34 6.30 5.23 4.40 3.57 3.07
13 29.82 27.69 24.74 22.36 19.81 12.34 7.04 5.89 5.01 4.11 3.57
14 31.32 29.14 26.12 23.68 21.06 13.34 7.79 6.57 5.63 4.66 4.07
15 32.80 30.58 27.49 25.00 22.31 14.34 8.55 7.26 6.26 5.23 4.60
16 34.27 32.00 28.85 26.30 23.54 15.34 9.31 7.96 6.91 5.81 5.14
17 35.72 33.41 30.19 27.59 24.77 16.34 10.09 8.67 7.56 6.41 5.70
18 37.16 34.81 31.53 28.87 25.99 17.34 10.86 9.39 8.23 7.01 6.26
19 38.58 36.19 32.85 30.14 27.20 18.34 11.65 10.12 8.91 7.63 6.84
20 40.00 37.57 34.17 31.41 28.41 19.34 12.44 10.85 9.59 8.26 7.43
21 41.40 38.93 35.48 32.67 29.62 20.34 13.24 11.59 10.28 8.90 8.03
22 42.80 40.29 36.78 33.92 30.81 21.34 14.04 12.34 10.98 9.54 8.64
23 44.18 41.64 38.08 35.17 32.01 22.34 14.85 13.09 11.69 10.20 9.26
24 45.56 42.98 39.36 36.42 33.20 23.34 15.66 13.85 12.40 10.86 9.89
25 46.93 44.31 40.65 37.65 34.38 24.34 16.47 14.61 13.12 11.52 10.52
26 48.29 45.64 41.92 38.89 35.56 25.34 17.29 15.38 13.84 12.20 11.16
27 49.64 46.96 43.19 40.11 36.74 26.34 18.11 16.15 14.57 12.88 11.81
28 50.99 48.28 44.46 41.34 37.92 27.34 18.94 16.93 15.31 13.56 12.46
29 52.34 49.59 45.72 42.56 39.09 28.34 19.77 17.71 16.05 14.26 13.12
30 53.67 50.89 46.98 43.77 40.26 29.34 20.60 18.49 16.79 14.95 13.79
40 66.77 63.69 59.34 55.76 51.81 39.34 29.05 26.51 24.43 22.16 20.71
50 79.49 76.15 71.42 67.50 63.17 49.33 37.69 34.76 32.36 29.71 27.99
60 91.95 88.38 83.30 79.08 74.40 59.33 46.46 43.19 40.48 37.48 35.53
70 104.21 100.43 95.02 90.53 85.53 69.33 55.33 51.74 48.76 45.44 43.28
80 116.32 112.33 106.63 101.88 96.58 79.33 64.28 60.39 57.15 53.54 51.17
90 128.30 124.12 118.14 113.15 107.57 89.33 73.29 69.13 65.65 61.75 59.20
100 140.17 135.81 129.56 124.34 118.50 99.33 82.36 77.93 74.22 70.06 67.33

TESTY STATYSTYCZNE
Testy dla !redniej:
!" : Q = Q" !" : Q ' Q" !" : Q ( Q"
!% : Q & Q" !% : Q < Q" !% : Q > Q"
Hipoteza: Hipoteza: Hipoteza:
1) 2 znane
S.T*
R
Statystyka: F* = 2
K-
Obustronny obszar krytyczny: Lewostronny obszar Prawostronny obszar
krytyczny: krytyczny:
3 = 4OB;6OP%.8 @ A 4P%.8 ; B@
$ $ 3 = ,OB;6OP%.8 0 3 = ,P%.8 ; B0
2) 2 nieznane
"#$
!
Statystyka: U = &'
%
Obustronny obszar krytyczny: Lewostronny obszar Prawostronny obszar
krytyczny: krytyczny:
( = )*+;,*-.#/12#. 3
0 ( = 5*+;,*-.#/12#. 6 ( = 5-.#/12#. ; +6
4 )-.#/12#. ; +3
0

3) Du a!próba!n>30!
"#$
!
Statystyka:!7 = &'
%
Obustronny obszar krytyczny: Lewostronny obszar Prawostronny obszar
krytyczny: krytyczny:
( = )*+;,*8.#/ 3 4 )8.#/ ; +3
0 0 ( = 9*+;,*8.#/ : ( = 98.#/ ; +:
Testy dla wariancji:

!" : # $ = #"$ !" : # $ ' #"$ !" : # $ ( #"$

Hipoteza: Hipoteza: Hipoteza:
!% : # $ & #"$ !% : # $ < #"$ !% : # $ > #"$
,-./01+
Statystyka: )+* = 2+*
Obustronny obszar krytyczny: Lewostronny obszar Prawostronny obszar
krytyczny: krytyczny:
3 = 45;678$9?.% @
$ 3 = C5;6789?.%
$
D 3 = C7%.89?.%
$
; BD
$
A 47%.8
9?.%
; B@
$

Testy dla wska"nika struktury:

!" : E = E" !" : E ' E" !" : E ( E"
!% : E & E" !% : E < E" !% : E > E"
Hipoteza: Hipoteza: Hipoteza:
GH.GI N
Statystyka: F* = KL9 EM = ?
JGI ,%.GI 0
Obustronny obszar krytyczny: Lewostronny obszar Prawostronny obszar
krytyczny: krytyczny:
3 = 4OB;6OP%.8 @ A 4P%.8 ; B@
$ $ 3 = ,OB;6OP%.8 0 3 = ,P%.8 ; B0