Studoši

Fikalo Ovo sam očekivao pa sam sva predavanja skinuo koristeci : https://github.com/snobu/destreamer
Upravo ih uploadam pa ću staviti linkove linkove kroz desetak minuta

anon00 not all heroes wear capes

Evo prvi dio video predavanja, trebat će još neko vrijeme da se ostali uplodaju

1. Tj - https://gofile.io/d/J4EfK9
2. Tj - https://gofile.io/d/x9RiqO
3. Tj - https://gofile.io/d/KmIscf
4. Tj - https://gofile.io/d/4BiT2l

anon00
Drugi dio:

5. Tj - https://gofile.io/d/KcLUWq
6. Tj - https://gofile.io/d/KR7DYC
7. Tj - https://gofile.io/d/alOV4h

Stara i novija Burićeva bilježnica + sažetak teorije - https://gofile.io/d/b9gcO4

Ima li netko ispisanu teoriju koju moramo znati za MI odnosno dokaze koje uključuje MI? Hvala 🙂

niknik https://github.com/studosi-fer/VIS/blob/master/vjezba/VIS_2019-20_vjezba_dokazi.pdf trebalo bi sve bit tu više manje, ako nađeš kakvu grešku javi

anon00 Svaka čast, hvala na videima 😍😍

moze li cov(X,Y) biti nula ako X i Y nisu nezavisne?

LUJXIV
Da, pogledaj 7. zadatak auditornih za 4.-5. tjedan.

LUJXIV Može.

Primjer:

Uzmimo da je X diskretna slučajna varijabla sa distribucijom
X \sim \begin{pmatrix} -2 & -1 & 1 & 2\\ \frac{1}{4} & \frac{1}{4} & \frac{1}{4} & \frac{1}{4} \end{pmatrix}

I neka je slučajna varijabla Y = X^2
Tada slučajna varijabla Y ima distribuciju
Y \sim \begin{pmatrix} 1 & 4\\ \frac{1}{2} & \frac{1}{2} \end{pmatrix}
I te dvije slučajne varijable su očigledno zavisne, jer realizacija od Y ovisi o realizaciji od X.

Lako računamo očekivanja:
\mathbb{E} (X) = 0
\mathbb{E} (Y) = \frac{5}{2}

Odredimo distribuciju umnoška:
XY \sim \begin{pmatrix} -8 & -4 & -2 & -1 & 1 & 2 & 4 & 8\\ \frac{1}{8} & \frac{1}{8} & \frac{1}{8} & \frac{1}{8} & \frac{1}{8} & \frac{1}{8} & \frac{1}{8} & \frac{1}{8} \end{pmatrix}
Ono ima očekivanje \mathbb{E} (XY) = 0

Kovarijanca tih dviju slučajnih varijabli je 0:
\operatorname{cov}(X, Y) = \mathbb{E} (XY) - \mathbb{E} (X) \mathbb{E} (Y) = 0

dcbcdefb mislis 5. zadatak? znaci ako je E(XY) = E(X)E(Y) ne znaci nuzno da su nezavisne?

tomekbeli420
Ispao sam glup, pardon

Fulao sam distribuciju umnoška jer nisam uzeo u obzir zavisnost X i Y
Umnožak XY ima istu distribuciju kao X^3, a to bi značilo da vrijednosti -4, -2, 2 i 4
nisu moguće.
XY \sim \begin{pmatrix} -8 & -1 & 1 & 8 \\ \frac{1}{4} & \frac{1}{4} & \frac{1}{4} & \frac{1}{4} \end{pmatrix}

Ali očekivanje je i dalje \mathbb{E} (XY) = 0 pa tako i kovarijanca ostaje 0.

Moze neko rjesit, ne dobijem ko u rj, vjv neka glupa greska, al ne mogu skuzit. (MI 2015)
rj: cov(X,Y) = 0,5 E(Z) = 3,5 D(Z) = 4.92

JBQ

Jel zna netko kako se rješava ovaj 18. iz knjige?

Rješenje bi trebalo biti: \frac{1-e^{-λ}}{λ}

DazedAndConfused po definiciji:

E(f(X)) = \sum_k{f(x_k)p(x_k)}

U tom zadatku to se svede na \sum_{i=0}^{+\infty}{\frac1{1+i}\mathcal{P}(X=i)} = \sum_{i=0}^{+\infty}{\frac1{1+i}\frac{\lambda^i}{i!}e^{-\lambda}}

Dalje je tebi da se igras sa sumom i dobijes rješenje

Ulazi li u ispit Rieman-Stieltjesov integral?

Jel ima neki popis stvari koje ne ulaze u ispit ili će bit sve do 6.1?

GranAutismo ulazi i 6.1 ili ne ulazi?

lugi

GranAutismo
sve ulazi od pocetka do 6.1 ukljuceno, sve je obradeno.

Jel može neko pojasnit kako se ovo rješava, uporno dobivam krivo.

Rezultat bi trebao biti 0.55

DazedAndConfused Jesi probao possionovu aproksimaciju binomne?

lugi Ulazi.