Przestrze« probabilistyczna (Ω, Z, P ):
1. Ω zbiór zdarze« elementarnych.
2. Z rodzina zdarze« czyli rodzina podzbiorów zbioru Ω speªniaj¡ca warunki:
A1: Ω ∈ Z (zdarzenie pewne),
A2: A ∈ Z → A0:= Ω \ A ∈ Z (zdarzenie przeciwne),
A3: A1, A2, A3, ... ∈ Z → (A1∪ A2∪ A3∪ ...) ∈ Z (przeliczalna suma zdarze«
jest zdarzeniem).
3. P prawdopodobie«stwo czyli funkcja P : Z → R (przyporz¡dkowuj¡ca zdarzeniom liczby rzeczywiste) speªniaj¡ca warunki:
P1: P (A) ≥ 0 P2: P (Ω) = 1
P3: Je±li A1, A2, A3, ..jest dowolnym ci¡giem zdarze« parami rozª¡cznych, to P (A1∪ A2∪ A3∪ ...) = P (A1) + P (A2) + P (A3) + ....
Elementarne wªasno±ci prawdopodobie«stwa 1. P (∅) = 0,
2. A ⊂ B → P (A) ≤ P (B), 3. P (A) ≤ 1,
4. A ⊂ B → P (B \ A) = P (B) − P (A), 5. P (A) + P (A0) = 1,
6. P (A ∪ B) = P (A) + P (B) − P (A ∩ B),
7. Je±li Ω jest przeliczalny i dla ka»dego ωi∈ Ωokre±lone jest prawdopodobie«stwo pi:= P ({ωi}), gdzie p1+ p2+ p3+ ... = 1, to
P (A) = pi1+ pi2+ pi3+ ... dla A = {ωi1, ωi2, ωi3, ...}.
8. Je±li Ω zawiera n zdarze« elementarnych o jednakowych prawdopodobie«st- wach (zdarze« jednoelementowych), to
P (A) = |A||Ω| = kn, gdzie k = |A| oznacza liczebno±¢ zbioru A.
Prawdopodobie«stwo w podzbiorach Rn Je±li
• Ωjest podzbiorem Rn,
• zbiór zdarze« Z skªada si¦ ze zbiorów, którym mo»na przyporz¡dkowa¢
miar¦ µ(A) (np. dªugo±¢, pole, obj¦to±¢, odpowiednio dla n = 1, 2, 3),
• P (A) = µ(A)µ(Ω),to (Ω, Z, P ) jest przestrzeni¡ probabilistyczn¡.
Przykªady: 1. 1. Winda z czterema przypadkowymi osobami mo»e zatrzy- ma¢ si¦ na ka»dym z 10-ciu pi¦ter. Jakie jest prawdopodobie«stwo, »e ka»da osoba wysi¡dzie na innym pi¦trze?
2. Roztargniona osoba próbuje otworzy¢ drzwi jednym z czterech kluczy. Ni- estety po ka»dej próbie klucz wraca do p¦ku. Jakie jest prawdopodobie«stwo,
»e ilo±¢ prób przekroczy 4?
3. Zakªadamy, »e spó¹nienie wykªadowcy jest przypadkow¡ liczb¡ minut z przedziaªu [0,15]. Jakie jest prawdopodobie«stwo, »e studenci strac¡ ª¡cznie ponad 20 minut z dwóch wykªadów?
Prawdopodobie«stwo warunkowe
Denicja 1. Prawdopodobie«stwem zdarzenia B pod warunkiem, »e zaszªo zdarzenie A nazywamy liczb¦:
P (B|A) :=P (A ∩ B) P (A) o ile P (A) > 0.
Wn. 1. 1. P (A ∩ B) = P (A) · P (B|A);
2. P (A ∩ B ∩ C) = P (A) · P (B|A) · P (C|A ∩ B);
3. P (A1∩ A2∩ ... ∩ An) = P (A1) · P (A2|A1) · ... · P (An|A1∩ A2∩ ... ∩ An−1); Denicja 2. 1. Zdarzenia A, B nazywamy niezale»nymi gdy P (A ∩ B) =
P (A) · P (B)
2. Zdarzenia A1, A2, ..., An nazywamy wzajemnie niezale»nymi gdy P (Ai1∩ Ai2 ∩ ... ∩ Aik) = P (Ai1) · P (Ai2) · ... · P (Aik) dla dowolnego podci¡gu Ai1, Ai2, ..., Aik.
Twierdzenie 1 (O prawdopodobie«stwie caªkowitym). Je»eli zdarzenia A1, A2, ..., An
speªniaj¡ warunki:
1. Ai∩ Aj= ∅ dla i 6= j, 2. A1∪ A2∪ An = Ω,
3. P (Ai) 6= 0dla i = 1, 2, ..., n,
to P (B) = P (B|A1) · P (A1) + P (B|A2) · P (A2) + ... + P (B|An) · P (An).
Twierdzenie 2 (Wzór Bayesa). Je»eli P (B) 6= 0, to
P (Ak|B) = P (Ak) · P (B|Ak)
P (B) .
Przykªad: 1. Pewna choroba wyst¦puje u 0, 2% ogóªu ludno±ci. Przygotowano test do jej wykrycia. Test daje wynik pozytywny u 97% chorych i 1% zdrowych.
Obliczy¢ prawdopodobie«stwo tego, »e
1. Test da wynik pozytywny u losowo wybranej osoby.
2. Osoba, u której test daª wynik pozytywny jest rzeczywi±cie chora.
Odpowiedzi: (1) 0,012; (2) 0,163.
Zmienne losowe
Denicja 3. Dla dowolnej przestrzeni probabilistycznej (Ω, Z, P ) zmienn¡ losow¡
nazywamy funkcj¦
X : Ω → R
(przyporz¡dkowuj¡c¡ zdarzeniom elementarnym liczby rzeczywiste) speªniaj¡c¡
warunek:
{ω : X(ω) < x} ∈ Z dla dowolnego x ∈ R.
Denicja 4. Dystrybuant¡ zmiennej losowej X nazywamy funkcj¦ FX : R → [0, 1]okre±lon¡ wzorem
FX(x) = P (X < x).
Wªasno±ci dystrybuanty 1. 0 ≤ F (X) ≤ 1;
2. lim
x→−∞F (x) = 0; lim
x→+∞F (x) = 1; 3. F jest niemalej¡ca;
4. F jest (co najmniej) lewostronnie ci¡gªa;
5. P (a ≤ X < b) = F (b) − F (a);
6. P (X = x0) = lim
x→x+0
F (x) − F (x0);
7. Dowolna funkcja speªniaj¡ca warunki 2,3,4 jest dystrybuant¡ pewnej zmi- ennej losowej.
Zmienne losowe typu skokowego
Denicja 5. Mówimy, »e zmienna losowa X jest typu skokowego gdy istnieje przeliczalny (sko«czony lub niesko«czony) zbiór jej warto±ci WX= {x1, x2, ...}, taki »e
X
xi∈WX
pi = 1 (
n
X
i=1
pi= 1) (
∞
X
i=1
pi= 1) gdzie pi:= P (xi).
Dystrybuanta zmiennej typu skokowego okre±lona jest wzorem:
F (x) = X
xi<x
pi.
Przykªad: 2. Sporz¡dzi¢ wykres funkcji rozkªadu prawdopodobie«stwa i dys- trybuanty zmiennej, która losowo wybranemu studentowi Biotechnologii przy- porz¡dkowuje ocen¦ z matematyki je±li wyniki (I termin) egzaminu byªy nast¦pu- j¡ce:
bdb − 10 os.; db − 10 os.; dst − 30 os.; ndst − 50 os.
Zmienne losowe typu ci¡gªego
Denicja 6. Mówimy, »e zmienna losowa X jest typu ci¡gªego, gdy przyjmuje wszystkie warto±ci rzeczywiste z pewnego przedziaªu i istnieje nieujemna funkcja f, taka »e dystrybuanta X zmiennej wyra»a si¦ wzorem:
F (x) = Z x
−∞
f (t)dt.
Funkcj¦ f nazywamy g¦sto±ci¡ zmiennej X. Mówimy, »e dany jest rozkªad zmiennej typu ci¡gªego, gdy dana jest jej g¦sto±¢ lub dystrybuanta.
• Funkcja g¦sto±ci jest zawsze nieujemna.
• Dystrybuanta zmiennej typu ci¡gªego jest funkcj¡ ci¡gª¡.
• Z +∞
−∞
f (x)dx = 1.
• P (a < X < b) = Z b
a
f (x)dx = 1 Przykªad:
Zmienna X ma g¦sto±¢ f(x) =
A(1 − x2) dla x ∈ [−1, 1]
0 dla x /∈ [−1, 1] Wyznaczy¢
warto±¢ staªej A, dystrybuant¦ F (x) i prawdopodobie«stwa zdarze«: P (X > 0), P (−12< X < 12).
Denicja 7. Mówimy, »e zmienne losowe X i Y s¡ niezale»ne, gdy dla dowol- nych x, y ∈ R niezale»ne s¡ zdarzenia {X < x} i {Y < y}, tzn. gdy
P (X < x ∧ Y < y) = P (X < x) · P (Y < y).
Mówimy, »e X1, X2, ..., Xn jest ci¡giem niezale»nych zmiennych losowych, gdy dla dowolnych xi (i = 1, ..., n) zachodzi:
P (X1< x1∧ X2< x2∧ ... ∧ Xn < xn) = FX1(x1) · FX2(x2) · ... · FXn(xn).
Charakterystyki liczbowe (parametry) zmiennych losowych
Denicja 8. Warto±ci¡ oczekiwan¡ (±redni¡, warto±ci¡ przeci¦tn¡, nadziej¡
matematyczn¡) zmiennej X typu skokowego nazywamy:
E(X) := X
xi∈WX
xipi
a zmiennej X typu ci¡gªego:
E(X) :=
Z +∞
−∞
xf (x)dx.
Wªasno±ci:
1. E(aX + b) = aE(X) + b; E(X + Y ) = E(X) + E(Y );
2. E(X · Y ) = E(X) · E(Y ) je±li X, Y s¡ niezale»ne.
Denicja 9. Wariancj¡ zmiennej losowej X nazywamy:
D2(X) := E[(X − E(X))2] = E(X2) − [E(X)]2. Dla typu skokowego mamy:
D2(X) = X
xi∈WX
(xi− m)2pi = X
xi∈WX
x2ipi− m2
a dla typu ci¡gªego:
D2(X) :=
Z +∞
−∞
(x − m)2f (x)dx = Z +∞
−∞
x2f (x)dx − m2 gdzie m := E(X).
Wªasno±ci wariancji i odchylenia standardowego
Odchyleniem standardowym D(X) nazywamy pierwiastek z wariancji (D(X) = pD2(X)).
1. D2(aX + b) = a2D2(X); D(aX + b) = |a|D(X);
2. Je±li X, Y s¡ niezale»ne, to D2(X ± Y ) = D2(X) + D2(Y ).
Uwaga 1. Warto±¢ oczekiwana jest miar¡ poªo»enia a wariancja i odchylenie standardowe s¡ miarami rozrzutu.
Standaryzacja zmiennej losowej: Je»eli X ma ±redni¡ m i odchylenie stan- dardowe σ, to zmienna
Y := X − m σ ma ±redni¡ 0 i odchylenie 1.
Denicja 10. 1. Kwantylem rz¦du p zmiennej X typu ci¡gªego nazywamy tak¡ liczb¦, »e F (xp) = p.Kwantyl rz¦du 12 nazywamy median¡ (me).
2. Warto±ci¡ krytyczn¡ rz¦du α zmiennej losowej X typu ci¡gªego nazywamy tak¡ liczb¦ xα, »e
P (X > xα) = α.
Warto±¢ krytyczna rz¦du α, to kwantyl rz¦du 1 − α.
3. Warto±ci¡ modaln¡ (dominant¡, mod¡) nazywamy warto±¢ mo, dla której funkcja g¦sto±ci osi¡ga warto±¢ najwi¦ksz¡.
Przykªad: 3. Wyznaczy¢ ±rednie i wariancje dla: ocen z matematyki studen- tów Biotechnologii, omawianego przykªadu zmiennej typu ci¡gªego i rozkªadu jednostajnego na odcinku [−1, 1].
Przykªady rozkªadów zmiennych losowych 1. Rozkªad zero-jedynkowy: xi 0 1
pi q p E(X) = p, D2(X) = pq
2. Rozkªad dwumianowy (Bernoulliego): suma n niezale»nych zmiennych losowych o jednakowych rozkªadach zero-jedynkowych.
P (k, n, p) := P (X = k) =n k
pkqn−k E(X) = np; D2(X) = npq.
3. Rozkªad Poissona ze ±redni¡ λ: dla k = 0, 1, 2, ... przyjmujemy
P (k, λ) := P (X = k) = e−λλk k!. E(X) = D2(X) = λ.
Twierdzenie 3 (Graniczne Poissona). Je»eli X1, X2, X3, ...jest ci¡giem zmien- nych losowych o rozkªadach dwumianowych z parametrami (1, p1), (2, p2), (3, p3), ...
i lim
n→∞npn = λ, to lim
n→∞
n k
pkn(1 − pn)n−k = e−λλk
k! (czyli ci¡g rozkªadów Bernoulliego zbiega do rozkªadu Poissona).
Wn. 2 (Przybli»enie stosowane dla n > 50, p < 0, 1 np < 10:). n k
pkqn−k≈ e−λλk
k! gdzie λ = np.
Przykªad: 4. Wiadomo, »e ksi¡»ka o 500 stronach zawiera 100 bª¦dów drukars- kich. Jakie jest prawdopodobie«stwo, »e na losowo wybranej stronie znajdziemy:
(a) 0 bª¦dów, (b) 1 bª¡d, (c) wi¦cej ni» 2 bª¦dy?
Denicja 11. Rozkªadem normalnym ze ±redni¡ m i odchyleniem standard- owym σ (piszemy N(m; σ)) nazywamy rozkªad typu ci¡gªego o g¦sto±ci
f (x) = 1 σ√
2πe−(x−m)22σ2 .
Przykªad: 5. Wiadomo, »e procentowa zawarto±¢ alkoholu w piwie pewnej marki ma rozkªad normalny N(5; 0, 2). Jakie jest prawdopodobie«stwo, »e w wylosowanej butelce piwa stwierdzimy zawarto±¢ alkoholu: (a) mniejsz¡ ni»
5, 1%, (b) wi¦ksz¡ ni» 4, 8%, (c) od 4, 6% do 5, 4%.
Twierdzenie 4 (Graniczne Moivre'a-Laplace'a). Je»eli (Xn)jest ci¡giem zmi- ennych losowych o rozkªadach dwumianowych z parametrami (n, pn) oraz (Yn) jest odpowiadaj¡cym mu ci¡giem standaryzowanych zmiennych losowych
Yn= Xn− npn
√npnqn
, to dla ka»dych a, b (a < b) zachodzi
n→∞lim P (a < Yn< b) = F (b) − F (a),
gdzie F jest dystrybuant¡ rozkªadu normalnego N(0, 1) (czyli ci¡g rozkªadów Bernoulliego zbiega do rozkªadu normalnego).
Przykªad: 6. Osoby lewor¦czne stanowi¡ 10% populacji. Jakie jest prawdopodobie«stwo,
»e liczba ma«kutów dziesi¦ciotysi¦cznego miasta zawiera si¦ w przedziale od 1000 do 1030?