Náhodná veličina X je dána pravděpodobnostní funkcí p(x) = { \ 6 0 •stni TunKci f- \j} X 1 pro x = — 2 I pro x = 3 A.A pro x = 1 "jh jinak. Určete E (X). E(2X + 5), f (X2). £>(X) a D(2X + 1). £(?X+sA * Jj. V f. A .9.- >- 12 11-15:58 1 Príklad PTCTekorelované)náhodné veličiny X a Y mají rozptyly D(X) — a a D(Y) = 2. Určete konstantu a, jestliže rozptyl náhodné veličiny Z = 3V-X je D(Z) ^25. ti 12 11-16:19 2 Všimněme si, že výraz 5"~np vystupující v Moivre-Lapiaceově V"p(i-p) větě je totéž, co Xn~E^x^ a jde tedy o tzv. normovanou _ náhodnou yeličiflyjkj udihnu Ijneárně transformovanou tak, aby jměia střední hodnotu 0 a rozptyl 1). iMoivre-Laplaceova věta pak 12 11-16:24 3 12 11-16:36 Buďte A a X nezávislé náhodné veličiny, splňující X ~ A/(0| P(A = 1) = = -1) = 1/2. Položřme-li V - AX, pak p(y < v) = ^p(x < y) + í< y) = W proto má rovněž Y rozdělení /V(0,1). U ^ 12 11-16:37 5 12 11-16:38 6 _ 1 Y; — jl na i—1 platí lim P(S„ < t) = <ř(t), /cc/e # je distribuční funkce rozdělení N (Q, 1), 12 11-17:06 7 ČÄsímí charakteristiky níšhoáných vdif.irt Limitní víty 3 odhady oooooo»o oooooooooo 523 OOOOOOQOO Mezi učiteli matematiky v ČR je jích 10% s příjmem přesahujícím celostátní průměr. Kolík matematiků je třeba pozvat na konferenci, aby s pravděpodobností aspoň 0,95 mezi nimi bylo 8 až 12 procent s nadprůměrným příjmem? Řešení Yn ~ Bi(n; 0,1). E(Yn) - 0.1 • n. D( Yn) - 0.1 • 0,9 . n. Pak 0.95 < P(0.08n < Yn < 0.12n) = '0.08-0,1 Yn-0.1n 0,12-0.1 p i— y/ň ^ yn~0.1n 15 - %/UMn Je tedy <1> (-j^) > 0.975, což je ekvivalentní y n/15 > 1.96. tj. n > 865. nq_ 'S. A Pie ^ ŕ 1 12 11-17:10 8 Tento príklad je možné řešit několika způsoby, my (neformálně) naznačíme postup pomocí integrace funkce dvou proměnných přechodem k polárním souřadnicím. Dvěma způsoby tak spočítáme ff Ja odkud porovnáním dostaneme / e x dx = yf~. J-oc « 7^Mi -fíT *"*&*\* 1 J j* £ h prolij 9-T í -e* r -(t--a — ít". n — 1 n — 1 12 11-17:36 11