TREŚCI NAUCZANIA |
Aksjomatyczna definicja przestrzeni probabilistycznej. Geometryczna przestrzeń probabilistyczna. Prawdopodobieństwo geometryczne.
Prawdopodobieństwo warunkowe. Prawdopodobieństwo całkowite. Prawdopodobieństwo warunkowe a posteriori. Wzór Bayesa. Niezależność zdarzeń.
Niezależność zmiennych losowych. Ciągi zmiennych losowych i ich rozkłady. Zbieżność stochastyczna. Prawo wielkich liczb Bernoulliego. Prawo wielkich liczb Bernoulliego a szacowanie prawdopodobieństwa zdarzenia za pomocą jego częstości.
Pojęcie procesu stochastycznego. Jednorodny łańcuch Markowa i jego graf stochastyczny. Grafy Engla. Schemat Pascala.
Informacja o elementach wnioskowania statystycznego. Populacja. Cecha. Próbka jako dane statystyczne. Gromadzenie i opracowywanie próbki. Elementy statystyki opisowej. Estymator. Średnia z próbki jako estymator. Estymator zgodny. Estymacja. Metoda największej wiarygodności. Proste przykłady weryfikacji hipotez. Obszar krytyczny. Test istotności. Rozstrzyganie środkami matematycznymi czy dany fakt jest rezultatem wiedzy, talentu, czy też przypadku (np. zgadywania).
Zagadnienia dydaktyki stochastyki. Gra losowa a procesy decyzyjne w warunkach ryzyka. Dane statystyczne a refleksja a posteriori (wyjaśnianie na gruncie rachunku prawdopodobieństwa zaskakujących faktów ujawnionych przez dane empiryczne). Przyrządy losujące jako generatory rozkładów prawdopodobieństwa i jako nośniki ogólnomatematycznych idei. Wnioskowania przez symetrie i analogie w stochastyce. Pojęcia i metody stochastyczne a ilustracja procesu stosowania matematyki. Stochastyczne paradoksy.
LITERATURA |