1 PODSTAWY BIOSTATYSTYKI dla ZB III
dr in˙z Krzysztof Bry´s Wyk lad 1
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 elemen- tarne.
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.
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 A1 polega na wypadni¸eciu or la lub reszki. Jest to zdarzenie pewne. Zdarzenie A4 polegaj¸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 praw- dopodobie´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.
2 3. Aksjomatyczna definicja prawdopodobie´nstwa.
Niech Ω b¸edzie przestrzeni¸a zdarze´n elementarnych, Z 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 (A1∪ A2∪ . . . ∪ An∪ . . .) = P (A1) + P (A2) + . . . + P (An) + . . .
Warto´s´c funkcji P na zbiorze A nazywamy prawdopodobie´nstwem zdarzenia A 4. W lasno´sci funkcji 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, . . . , An s¸a parami roz l¸aczne, to P (A1 ∪ A2∪ . . . ∪ An) = P (A1) + P (A2) + . . . + P (An).
5. Prawdopodobie´nstwo warunkowe i niezale˙zno´s˙c.
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.
5. Zupe lny uk lad zdarze´n. Wz´or Bayesa
Zdarzenia A1, . . . , An tworz¸a zupe lny uk lad zdarze´n je´sli:
1. A1 ∪ . . . ∪ An = Ω,
2. Ai ∩ Aj = ∅ dla ka˙zdego i 6= j, i, j = 1, 2, . . . , n
3 Twierdzenie o prawdopodobie´nstwie zupe lnym
Je´sli zdarzenia A1, . . . , An tworz¸a zupe lny uk lad zdarze´n, to dla ka˙zdego zdarzenia B :
P (B) = P (A1∩ B) + . . . + P (An∩ B) = P (A1) · P (B|A1) + . . . + P (An) · P (B|An) Wz´or Bayesa
Je´sli zdarzenia A1, . . . , An tworz¸a zupe lny uk lad zdarze´n, to dla ka˙zdego zdarzenia B takiego, ˙ze P (B) > 0 oraz dowolnego j = 1, 2, . . . , n zachodzi wz´or :
P (Aj|B) = P (Aj ∩ B)
P (A1∩ B) + . . . + P (Aj ∩ B) + . . . + P (An∩ B) =
= P (Aj) · P (B|Aj)
P (A1) · P (B|A1) + . . . P (Aj) · P (B|Aj) + . . . + P (An) · P (B|An) 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, ldots}
Rozk lad prawdopodobie´nstwa: funkcja P , kt´ora ka˙zdemu punktowi skokowemu xi ∈ WX przy- porz¸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 praw- dopodobie´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).
4 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 (dystrybuanta) 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.