1
RACHUNEK
PRAWDOPODOBIEŃSTWA
WYKŁAD 5.
PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Rozkłady skokowe Rozkład jednopunktowy Określamy:2
EX = c, D2X = 0
3
Rozkład dwupunktowy (zerojedynkowy)
Niech p∈( , )0 1 będzie ustaloną liczbą.
Określamy:
P(X = 0) = q, P(X = 1) = p ; gdzie q = 1 – p.
Umowa: 0 - porażka 1 - sukces
4
5
Rozkład dwumianowy
Dla danych p∈( , )0 1 , n ∈N określamy funkcję
prawdopodobieństwa P X k n k p q k n k ( = ) = − (wzór Bernoulliego) gdzie q = 1 – p k = 0, 1, 2, ... , n.
7
8
Jeśli przyjmiemy, że n oznacza liczbę niezależnych doświadczeń z których każde kończy się jednym z dwóch wyników:
„sukcesem" (z prawdopodobieństwem
p w każdym doświadczeniu) lub „porażką”
i zmienna losowa X oznacza liczbę
„sukcesów” to powyższy wzór wyznacza
prawdopodobieństwo uzyskania dokładnie k sukcesów w n doświadczeniach (próbach).
9 Sprawdzenie
(
)
1 ) ( 0 0 = + = = =∑
∑
= − = n n k k n k n k q p q p k n k X P10
11
Przykład
Prawdopodobieństwo uszkodzenia
ksero-kopiarki przed upływem gwarancji wynosi 0,2. Firma zakupiła 6 kserokopiarek. Obliczyć prawdopodobieństwo, że przed upływem gwarancji 2 kserokopiarki ulegną uszkodzeniu. Jaka jest najbardziej prawdopodobna liczba uszkodzonych kserokopiarek przed upływem gwarancji.
X – liczba uszkodzonych kserokopiarek przed
12 P X( = ) = , , , , , = ⋅ ⋅ = 2 6 2 0 2 0 8 15 0 04 0 4096 0 24576 2 4
13
Uwaga
xk 0 1 2 3 4 5 6
14
Przykład
Rzucamy 4 razy kostką sześcienną. Jakie jest prawdopodobieństwo, że w co najmniej 3 rzutach liczba oczek będzie podzielna przez 3?.
15
Szukane prawdopodobieństwo to P(X ≥ 3) = P(X = 3) + P(X = 4),
gdzie „sukcesem” jest uzyskanie 3 lub 6 oczek, więc p = 1/3.
16 Zatem 81 8 81 2 4 3 2 3 1 3 4 ) 3 ( 1 3 = ⋅ = = = X P 81 1 81 1 1 3 2 3 1 4 4 ) 4 ( 0 4 = ⋅ = = = X P 9 1 81 1 81 8 ) 4 ( ) 3 ( ) 3 (X ≥ = P X = + P X = = + = P
17
Przykład
Obliczymy wartość oczekiwaną rozkładu dwumianowego. np q p np q p k n k n np q p k n k n k q p k n k EX n n k k n k n k k n k n k k n k = + = − − − = = − = = − = − − = − = −
∑
∑
∑
1 1 1 1 0 ) ( )! ( )! 1 ( )! 1 ( )! ( ! !18
Rozkład geometryczny
X - liczba prób Bernoulliego poprzedzających pierwszy sukces k pq k X P( = ) = q = 1 - p k = 0, 1, 2, ...
19 Sprawdzenie 1 1 ) ( 0 0 = − = = =
∑
∑
∞ = ∞ = q p pq k X P k k k20
21
Rozkład Poissona
Dla
λ
> 0 określamy funkcję prawdopodobieństwa P X k k e k ( ) ! = = λ − λ k = 0, 1, 2, ...22
Siméon Denis Poisson (1781–1840), francuski
mechanik teoretyk, fizyk i matematyk. W matematyce zajmował się całkami oznaczonymi, równaniami
różnicowymi i różniczkowymi oraz teorią
23 Sprawdzenie
1
!
!
)
(
0 0 0=
=
=
=
=
=
− ∞ = − ∞ = − ∞ =∑
∑
∑
λ λ λ λλ
λ
e
e
k
e
e
k
k
X
P
k k k k k24
25
Przykład
Obliczymy wartość oczekiwaną rozkładu Poissona. λ λ λ λ λ λ λ = λ λ = − = = ∞ − = − − ∞ = −
∑
∑
e e k e e k k EX k k k k 1 1 0 ! ( 1)!26
Rozkład Poissona (możliwość odczytu
w tablicy) może dla dużych n (praktycznie
n ≥ 30) i małych p (praktycznie p ≤ 0,2) przybliżać rozkład dwumianowy
(przybliżenie Poissona) p n e k q p k n k k n k ≈ = ⋅ − −
λ
λ
λ gdzie !27
Przykład
W pudełku jest 400 żarówek. Jakie jest prawdopodobieństwo, że wśród nich jest 5 żarówek wadliwych, jeśli wadliwość produkcji takich żarówek wynosi 0,5%?
Jaka jest najbardziej prawdopodobna liczba uszkodzonych żarówek w tym pudełku?
28
Zastosujemy przybliżenie Poissona,
λ
= ⋅ =
n p
400 0 005
⋅
,
=
2
.W tablicy rozkładu Poissona (tablica I) odczytamy, że:
P(X = 5) = 0,0361
Również w tablicy rozkładu Poissona
odczytamy, że najbardziej prawdopodobna liczba uszkodzonych żarówek w tym pudełku to 1 lub 2 (dla obu tych liczb
29
Rozkłady ciągłe
Rozkład jednostajny
Rozkład którego gęstość jest stała w pewnym przedziale nazywamy jednostajnym.
Gęstość rozkładu jednostajnego w (a, b)
f x b a x a b x a b ( ) ( ; ) ( ; ) = − ∈ ∉ 1 0
30
Ponieważ gęstość ta ma oś symetrii w punkcie x = (a + b)/2 to
31
Pokażemy, że
32 Przykład Najpierw obliczymy EX2 3 2 2 3 3 1 3 1 1 2 3 3 3 2 2 b ab a a b a b x a b dx a b x EX b a b a + + = − − = = − = − =
∫
Zatem(
)
12 2 3 2 2 ) ( 2 2 2 2 2 2 a ab b a b b a EX EX X D = − + − + + = − =33
Rozkład wykładniczy
Rozkład ten występuje często w zagadnieniach
rozkładu czasu między zgłoszeniami
(awariami) lub czasu oczekiwania na obsługę w systemach kolejkowych.
Gęstość rozkładu wykładniczego o parametrze a > 0 ma postać ≤ > = − 0 0 0 ) ( x x ae x f ax
34
dystrybuantą tego rozkładu jest funkcja
≤ > − = − 0 0 0 1 ) ( x x e x F ax (uzasadnienie: F'(x) = f(x))
35 Przykład Obliczymy EX a e a xe dx xae EX ax ax 1 ax 1 0 0 = − − = = ∞ − − ∞ −
∫
2 2 1 a X D =36
Własność.
1)Jeśli liczba zgłoszeń w systemie kolejkowym w przedziale czasu (t, t + T) ma rozkład Poissona o parametrze λT, oraz liczby zgłoszeń przychodzące w rozłącznych przedziałach czasu są niezależne to czas X między kolejnymi zgłoszeniami ma rozkład wykładniczy o parametrze a = 1/λ.
2) Dla dowolnych t, T > 0 mamy
(
X
t
T
X
t
) (
P
X
T
)
P
≥
+
|
≥
=
≥
(własność braku pamięci)
( ) ( ( ) ) ( ( ) ) (X T) P e e e t X P T t X P t X P t X T t X P t X T t X P Ta ta a T t ≥ = = = = ≥ + ≥ = ≥ ≥ ∧ + ≥ = ≥ + ≥ − − + −( ) |
Jest to jedyny rozkład ciągły o tej własności.
37
Rozkład normalny (Gaussa) N(m,
σ
)Dla m ∈R,
σ
∈( ,0 + ∞) Określamy gęstość rozkładuR x e x f m x ∈ = − − 2 2 2 ) ( 2 1 ) ( σ π σ
38
Carl Friedrich Gauss (1777 - 1855) – niemiecki matematyk i fizyk.
Jego badania związane z teorią błędów doprowadziły do odkrycia rozkładu normalnego zmiennej losowej (nazywany także rozkładem Gaussa), który jest najważniejszym rozkładem w teorii prawdopodobieństwa.
40
Uwaga
Jeśli X ma rozkład N(m,
σ
) to zmienna losowaY = (X – m)/
σ
ma rozkład N(0, 1) (takie przekształcenie nazywamy41
Wartości dystrybuanty dla argumentów
ujemnych wyznaczamy na podstawie
zależności
42
Przykład
Dochód miesięczny (zł) w pewnej populacji osób ma rozkład normalny N(1600; 300). Jaki procent osób w tej populacji ma dochód miesięczny poniżej 1000 zł?
X – wysokość miesięcznego dochodu
( ) % 28 , 2 0228 , 0 9772 , 0 1 ) 2 ( 1 ) 2 ( 2 300 1600 1000 300 1600 ) 1000 ( = = − = Φ − = − Φ = = − < = − < − = < P X P Y X P
43
Przykład
Czas wykonania pewnego detalu (min.) jest zmienną losową o rozkładzie normalnym
N(m;
σ
). Wiadomo, że 80% robotników wykonuje ten detal dłużej niż 10 minut a 60% robotników dłużej niż 12 minut.a)wyznacz parametry rozkładu czasu
wykonania detalu m i
σ
,b)jaki odsetek robotników wykonuje ten detal
w czasie krótszym niż 6 minut?
44 8 , 0 ) 10 (X > = P stąd 0,84 10 = −
σ
m6
,
0
)
12
(
X
>
=
P
stąd −12 = 0,25 σ m Rozwiązując powyższy układ równań otrzymamy m = 12,85; σ = 3,39.(
)
%
17
,
2
0217
,
0
)
02
,
2
(
1
)
02
,
2
(
02
,
2
39
,
3
85
,
12
6
39
,
3
85
,
12
)
6
(
=
=
Φ
−
=
−
Φ
=
=
−
<
=
−
<
−
=
<
Y
P
X
P
X
P
45
Prawo trzech sigm
Jeśli X ma rozkład N(m,
σ
) to683
,
0
)
(
m
−
σ
<
X
<
m
+
σ
=
P
, 955 , 0 ) 2 2 (m −σ
< X < m +σ
= P ,997
,
0
)
3
3
(
m
−
σ
<
X
<
m
+
σ
=
P
Ostatnia równość świadczy o tym, że chociaż rozkład normalny ma gęstość różną od zera na całej prostej to praktycznie niemal wszystkie realizacje skupiają się w przedziale
)
3
,
3
(
m
−
σ
m
+
σ
46
Interpretacja graficzna parametrów rozkładu N(m,
σσσσ
)47
Trzy rozkłady ciągłe, które mają duże znaczenie w statystyce matematycznej: –Rozkład chi kwadrat,
–Rozkład Studenta,
–Rozkład F – Snedecora
48
Rozkład chi kwadrat (χ2) Yn
n – liczba stopni swobody
2 2 1 .... n n X X Y = + + X1 , ..., Xn - niezależne, o rozkładzie N(0, 1) EX = n; D2X = 2n
49
Odczyt z tablicy dla rozkładu chi kwadrat.
(podobnie interpretujemy graficznie odczyt z tablicy F – Snedecora.)
50
Uwaga.
1) Dla n = 1, 2 wykres gęstości rozkładu chi kwadrat jest inny (tylko część malejąca wykresu)
2) dla n > 30 stosujemy przybliżenie rozkładem normalnym. ) 1 ; 1 2 ( ~ 2Yn N n−
51
Rozkład Studenta Tn
n – liczba stopni swobody
n n Y X T = X, Yn - niezależne X o rozkładzie N(0, 1);
Yn o rozkładzie chi kwadrat z n stopniami swobody
EX = 0 ; dla n > 1 D2X = n/(n-2) dla n > 2
Uwaga. Tn N
n→∞
52
Odczyt z tablicy (tablica IV) dla rozkładu Studenta. P T( n ≥ k) = α