STATYSTYKA MATEMATYCZNA dla ZPM I dr in˙z Krzysztof Bry´s
wyk lad 1,2
KLASYCZNY RACHUNEK PRAWDOPODOBIE ´NSTWA
1. Poj¸ecia wst¸epne.
Do´swiadczeniem losowym nazywamy do´swiadczenie, kt´orego wynik nie jest znany. Posiadamy jedynie informacje o zbiorze mo˙zliwych wynik´ow tego do´swiadczenia. Wynik do´swiadczenia losowego wykluczaj¸acy inne mo˙zliwe wyniki nazywamy zdarzeniem elementarnym.
UWAGA: Zak lada si¸e, ˙ze w wyniku do´swiadczenia losowego zachodzi dok ladnie jedno zdarzenie elementarne.
Zbi´or wszystkich zdarze´n losowych nazywamy przestrzeni¸a zdarze´n elementarnych i oznaczamy przez Ω.
Zdarzeniem losowym nazywamy dowolny wynik do´swiadczenia losowego. Ka˙zde zdarzenie losowe jest zbiorem zdarze´n elementarnych
UWAGA: Je˙zeli Ω jest zbiorem sko´nczonym lub przeliczalnym, to zdarzeniem losowym jest dowolny podzbi´or zbioru Ω
Zdarzenie ∅ nazywamy zdarzeniem niemo˙zliwym.
Zdarzenie Ω nazywamy zdarzeniem pewnym.
Zdarzenie A = Ω \ A nazywamy zdarzeniem przeciwnym do A.
Je˙zeli dla dw´och zdarze´n A i B zachodzi A ∩ B = ∅, to m´owimy, ˙ze zdarzenia te wykluczaj¸a si¸e (s¸a roz l¸aczne).
Przyk lady. Zdarzenie A = miesi¸ac kwiecie´n ma 31 dni jest zdarzeniem niemo˙zliwym. Zdarzenie B = miesi¸ac kwiecie´n ma 30 dni jest zdarzeniem pewnym. Zdarzeniem przeciwnym do C = dzisiaj jest niedziela jest zdarzenie C = dzisiaj jest inny dzie´n tygodnia ni˙z niedziela.
Rozwa˙zmy teraz przyk lad bardzo prostego do´swiadczenia losowego.
Przyk lad. Rozwa˙zmy do´swiadczenie losowe polegaj¸ace na jednokrotnym rzucie monet¸a. Przestrze´n zdarze´n elementarnych sk lada sie z dw´och element´ow, zdarzenia ωOpolegajacego na wypadni¸eciu or la i ωO, kt´ore oznacza wypadni¸ecie reszki. Wypiszmy wszystkie mo˙zliwe podzbiory zbioru Ω (zdarzenia losowe):
A1 = Ω = {ωO, ωR}, A2 = {ωO}, A3 = {ωR}, A4 = ∅.
Zdarzenie A1polega na wypadni¸eciu or la lub reszki. Jest to zdarzenie pewne. Zdarzenie A4polegaj¸ace na niewypadni¸eciu ani or la ani reszki nie mo˙ze zaj´s´c w wyniku naszego do´swiadczenia losowego. Jest to zdarzenie niemo˙zliwe. Zdarzeniem przeciwnym do A2 - wypad l orze l jest zdarzenie A3 - wypad la reszka. Zwr´o´cmy uwag¸e na to, ˙ze A2∪ A3 = Ω (w wyniku rzutu monet¸a wypadnie orze l lub reszka) oraz A2∩ A3 = ∅ (nie mo˙ze wypa´s´c jednocze´snie orze l i reszka).
2. Klasyczna definicja prawdopodobie´nstwa.
Niech Ω b¸edzie zbiorem sko´nczonym, to znaczy Ω = {ω1, ω2. . . , ωN}. Dla dowolnego zdarzenia
A ⊆ Ω takiego, ˙ze A = {ωi1, ωi2, . . . , ωik}, gdzie i1, i2, . . . , ik ∈ {1, 2, . . . N }, definiuje si¸e funkcj¸e prawdopodobie´nstwa w nast¸epuj¸acy spos´ob:
P (A) = P ({ωi1}) + P ({ωi2}) + . . . + P ({ωik}).
W przypadku, gdy zdarzenia elementarne s¸a jednakowo prawdopodobne, to znaczy P (ω1) = P (ω2) = . . . = P (ωN) = N1, otrzymujemy nast¸epuj¸acy wz´or:
P (A) = |A|
|Ω| = k
N = liczba zdarze´n elementarnych sprzyjaj¸acych zdarzeniu A liczba wszystkich zdarze´n elementarnych .
Powy˙zsza definicja prawdopodobie´nstwa nie jest poprawna w og´olno´sci, gdy˙z zbi´or Ω nie musi by´c sko´nczony a zdarzenia elementarne nie musz¸a by˙c jednakowo prawdopodobne.
3. Aksjomatyczna definicja prawdopodobie´nstwa.
Niech Ω b¸edzie przestrzeni¸a zdarze´n elementarnych, Z ⊆ 2Ω = P(Ω) zbiorem zdarze´n losowych.
Funkcj¸a prawdopodobie´nstwa nazywamy funkcj¸e:
P : Z → [0, 1]
spe lniaj¸ac¸a nast¸epuj¸ace trzy aksjomaty:
P 1) P (A) ≥ 0 dla ka˙zdego A ∈ Z, P 2) P (Ω) = 1
P 3) je˙zeli A1, A2, . . . , An jest ci¸agiem zdarze´n roz l¸acznych (to znaczy Ai∩ Aj = ∅ dla i 6= j), to P (S+∞i=1Ai) = P+∞i=1P (Ai).
Warto´s´c funckji P na zbiorze A nazywamy prawdopodobie´nstwem zdarzenia A W lasno´sci prawdopodobie´nstwa:
1. P (∅) = 0.
2. Je´sli A ⊆ B, to P (A) ≤ P (B).
3. Dla dowolnego A ⊆ Ω P (A) ≤ 1.
4. Je´sli A ⊆ B, to P (B \ A) = P (B) − P (A).
5. Dla dowolnego A ⊆ Ω P (A) + P (A) = 1.
6. P (A ∪ B) = P (A) + P (B) − P (A ∩ B).
7. Je˙zeli zdarzenia A1, A2, . . . , Ans¸a parami roz l¸aczne, to P (A1∪A2∪. . .∪An) = P (A1)+P (A2)+
. . . + P (An).
Prawdopodobie´nstwo warunkowe
Prawdopodobie´nstwo zaj´scia zdarzenia A pod warunkiem, ˙ze zasz lo zdarzenie B:
P (A|B) = P (A ∩ B) P (B)
Do´swiadczenia niezale˙zne = dowolny wynik jednego z nich nie wpywa na wynik drugiego.
Zdarzenia niezale˙zne = zdarzenia A, B, dla kt´orych:
P (A ∩ B) = P (A) · P (B) albo
P (A|B) = P (A) lub P (B|A) = P (B)
Informacja o zaj´sciu jednego z nich nie zmienia szans wyst¸apienia drugiego.
ZMIENNA LOSOWA JEDNOWYMIAROWA
Intuicyjnie: zmienna, kt´ora przyjmuje pewn¸a warto´s´c liczbow¸a w wyniku do´swiadczenia losowego.
Formalnie: Funkcja X : Ω → R przyporz¸adkowuj¸aca ka˙zdemu zdarzeniu losowemu pewn¸a warto´s´c liczbow¸a
Dystrybuanta zmiennej losowej X - funkcja FX : R → R zdefiniowana nast¸epuj¸aco:
F (x) = P (X < x) dla ka˙zdego x ∈ R
Zmienna losowa typu skokowego
Zmienna X, dla kt´orej zbi´or warto´sci przyjmowanych przez t¸a zmienn¸a jest sko´nczony lub przeliczalny, tzn WX = {x1, x2, . . . , xn} albo WX = {x1, x2, . . . , xn, . . .}
Rozk lad prawdopodobie´nstwa: funkcja P , kt´ora ka˙zdemu punktowi skokowemu xi ∈ WX przyporz¸adkowuje skok prawdopodobie´nstwa pi = P (X = xi) w taki spos´ob, ˙ze:
1) dla ka˙zdego i : pi > 0 oraz 2)X
i
pi = 1 .
Zmienna losowa typu ci¸ag lego
Zmienna X, dla kt´orej zbi´or warto´sci przyjmowanych przez t¸a zmienn¸a jest przedzia lem liczbowym lub sum¸a przedzia l´ow.
Rozk lad prawdopodobie´nstwa: funkcja f zwana g¸esto´sci¸a prawdopodobie´nstwa taka, ˙ze 1) dla ka˙zdego x ∈ R : f (x) ≥ 0 oraz
2)
Z +∞
−∞ f (x)dx = 1 .
Podstawowe parametry zmiennej losowej
1. Warto´s´c oczekiwana zmiennej losowej X = liczba E(X) b¸ed¸aca ´srednia wa˙zon¸a rozk ladu prawdopodobie´nstwa przy za lo˙zeniu, ˙ze wag¸a jest prawdopodobie´nstwo (dla zmiennej losowej typu skokowego) albo ´srodkiem ci¸e˙zko´sci rozk ladu prawdopodobie´nstwa przy za lo˙zeniu, ˙ze g¸esto´sci¸a jest funkcja g¸esto´sci prawdopodobie´nstwa (dla zmiennej losowej typu ci¸ag lego).
2. Wariancja zmiennej losowej X= D2(X) = warto´s´c oczekiwana kwadratu odchylenia zmiennej od jej warto´sci oczekiwanej - miara ´sredniego odchylenia kwadratowego.
3. Odchylenie standardowe zmiennej losowej X = D(X)= pierwiastek z wariancji - miara
´sredniego odchylenia zmiennej od jej warto´sci oczekiwanej.
4. Kwantyl rz¸edu p = xp = punkt, w kt´orym skumulowane prawdopodobie´nstwo (dystry- buanta) osi¸aga (przekracza) warto´s´c p.
mediana=Me=kwantyl rz¸edu 12
kwartyl dolny=Q1=kwantyl rz¸edu 14 kwartyl dolny=Q3=kwantyl rzedu 34
i-ty decyl= przedzia l mi¸edzy kwantylem rz¸edu (i − 1) · 0.1 a kwantylem rz¸edu i · 0.1 i-ty percentyl= przedzia l mi¸edzy kwantylem rz¸edu (i − 1) · 0.01 a kwantylem rz¸edu i · 0.01
5. Moda (dominanta; warto´s˙c modalna) = punkt, w kt´orym funkcja prawdopodobie´nstwa osi¸aga najwi¸eksz¸a warto´s˙c.
Podstawowe teoretyczne rozk lady prawdopodobie´nstwa zmiennej losowej jednowymiarowej
Typu skokowego 1. Rozk lad jednopunktowy.
Funkcja prawdopodobie´nstwa : P (X = c) = 1 dla pewnej sta lej c Warto´s˙c oczekiwana: E(X) = c
Wariancja: D2(X) = 0
Interpretacja: Rozk lad dowolnej sta lej liczbowej X.
2. Rozk lad dwupunktowy (zerojedynkowy).
Funkcja prawdopodobie´nstwa : P (X = 1) = p, P (X = 0) = q = 1 − p Warto´s˙c oczekiwana: E(X) = p
Wariancja: D2(X) = p · q = p · (1 − p)
Interpretacja: Rozk lad dowolnej zmiennej X, kt´ora odpowiada na pewne pytanie albo TAK (X = 1-”sukces”) albo NIE (X = 0-”pora˙zka”), rozk lad dowolnej cechy ”zero-jedynkowej” (obiekt albo j¸a posiada (X = 1) albo nie posiada (X = 0).
3. Rozk lad Bernoulliego (dwumianowy) - B(n, p) Schemat do´swiadcze´n Bernoulliego:
- n niezale˙znych do´swiadcze´n,
- w ka˙zdym do´swiadczeniu albo sukces z prawdopodobie´nstwem p albo pora˙zka (z prawdopodobie´nstwem q = 1 − p);
Interpretacja: Zmienna losowa X ma rozk lad B(n, p) je´sli m´owi o liczbie sukces´ow w schemacie n niezale˙znych do´swiadcze´n Bernoulliego z prawdopodobie´nstwem sukcesu p w ka˙zdym z nich. Jest sum¸a n niezale˙znych zmiennych losowych o rozk ladzie zerojedynkowym.
Funkcja prawdopodobie´nstwa : P (X = k) =nkpk· qn−k dla k = 0, 1, 2, . . . , n, q = 1 − p.
Warto´s˙c oczekiwana: E(X) = np Wariancja: D2(X) = n · p · q 4. Rozk lad Poissona - Po(λ)
Funkcja prawdopodobie´nstwa : P (X = k) = e−λ· λk!k dla k = 0, 1, 2, . . . Warto´s˙c oczekiwana: E(X) = λ
Wariancja: D2(X) = λ
Interpretacja: Rozk lad graniczny dla rozk laadu B(n, p) przy n → +∞.
Dla dostatecznie du˙zych n, zmienna losowa o rozk ladzie B(n, p) ma w przybli˙zeniu rozk lad Poissona z parametrem λ = n · p.
Typu ci¸ag lego
1. Rozk lad jednostajny na przedziale (a; b) - U(a, b) Funkcja g¸esto´sci prawdopodobie´nstwa :
f (x) =
( 1
b−a , dla a < x < b 0 , dla pozosta lych x Warto´s˙c oczekiwana: E(X) = a+b2
Wariancja: D2(X) = (b−a)12 2
Interpretacja Zmienna losowa X ma rozk lad U(a, b) je´sli przyj¸ecie przez t¸a zmienn¸a dowolnej warto´sci z przedzia lu (a; b) jest jednakowo prawdopodobne.
2. Rozk lad normalny (Gaussa) - N(m, σ)
Funkcja g¸esto´sci prawdopodobie´nstwa : f (x) = √2πσ1 · e−(x−m)22σ2 dla x ∈ R Warto´s˙c oczekiwana: E(X) = m
Wariancja: D2(X) = σ2
Wykresem powy˙zszej funkcji g¸esto´sci prawdopodobie´nstwa jest krzywa Gaussa Zmienna losowa standaryzowa dla zmiennej losowej o rozk ladzie N(m, σ):
X = X − m σ ma rozk lad normalny standardowy N(0, 1).
Dystrybuanta rozk ladu normalnego standardowego N(0, 1):
Φ(x) =
Z x
−∞
√1
2π · e−t22 dt dla x ∈ R
Z parzysto´sci funkcji g¸esto´sci prawdopodobie´nstwa rozk ladu N(0, 1) wynika, ˙ze:
Φ(−x) = 1 − Φ(x).
uα - kwantyl rz¸edu α zmiennej losowej o rozk ladzie N(0, 1) (tzn. Φ(uα) = α)
3. Rozk lad chi kwadrat o n stopniach swobody
Zmienna losowa χ2 = X12+ X22+ . . . + Xn2, gdzie X1, X2, . . . Xn zmienne o rozk ladzie N(0, 1) ma rozk lad chi-kwadrat o n stopniach swobody
Warto´s˙c oczekiwana: E(χ2) = n Wariancja: D2(χ2) = 2n
Dla du˙zych n (n > 40) rozk lad chi-kwadrat o n stopniach swobody mo˙zna przybli˙za˙c rozk ladem N(n,√
2n).
χ2(α, n) = kwantyl rz¸edu 1 − α zmiennej o rozk ladzie chi-kwadrat o n stopniach swobody 4. Rozk lad t-Studenta o n stopniach swobody.
Zmienna losowa T = qX
χ2 n
, gdzie X zmienna losowa o rozk ladzie N(0, 1) a zmienna χ2 ma rozk lad chi-kwadrat o n stopniach swobody.
Warto´s˙c oczekiwana: E(T ) = 0.
Wariancja: D2(T ) = n−2n .
Dla du˙zych n (n > 40) rozk lad t-Studenta o n stopniach swobody mo˙zna przybli˙za˙c rozk ladem N(0, 1).
t(α, n) = kwantyl rz¸edu 1 − α2 zmiennej o rozk ladzie t-Studenta o n stopniach swobody.