Rachunek prawdopodobieństwa Rozdział 2. Aksjomatyczne ujęcie
prawdopodobieństwa
Rozdział 2.3: Przykłady przestrzeni probabilistycznych.
Katarzyna Rybarczyk-Krzywdzińska
Przestrzeń probabilistyczna
Definicja
Przestrzeń probabilistycznato trójka (Ω, F , P), gdzie:
Ω jest dowolnym zbiorem
(przestrzeń zdarzeń elementarnych),
F jest σ–ciałem podzbiorów zbioru Ω
(rodzina zdarzeń losowych),
P : F → [0, 1] jest funkcją prawdopodobieństwa (miarą probabilistyczną)
(prawdopodobieństwo)
Przykład 1
Rzucamy dwiema monetami. Podaj przykład zgodnej z rzeczywistością przestrzeni probabilistycznej, która odpowiada temu eksperymentowi, jeśli:
1 Ω = {(O, O), (O, R), (R, O), (R, R)} to zbiór par uporządkowanych;
2 Ω = {0, 1, 2} to zbiór możliwych liczb wyrzuconych orłów;
Przykład 2
Grzesiu wybiera w sposób losowy liczbę ze zbioru liczb naturalnych N = {1, 2, 3, 4, . . .} w ten sposób, że liczba n wybrana jest z prawdopodobieństwem 1/2n (np. rzuca uczciwą monetą, aż uzyska orła, a wylosowana liczba to liczba rzutów – ale o tym później).
Podaj przykład zgodnej z rzeczywistością przestrzeni probabilistycznej, która odpowiada temu eksperymentowi.
Co mają wspólnego powyższe przykłady?
Dyskretna przestrzeń probabilistyczna
Ω = {ω1, ω2, . . . } jest zbiorem skończonym lub przeliczalnym F = 2Ω to zbiór wszystkich podzbiorów Ω
P ({ωi}) = pi, gdzie
p1, p2, . . . to ciąg liczb nieujemnych, taki że p1+ p2+ . . . = 1 a prawdopodobieństwo zadajemy wzorem
(patrz A3 definicji prawdopodobieństwa i własność prawdopodobieństwa W2)
P({ωk1, ωk2, . . . }) := pk1+ pk2+ · · · ;
Dyskretna przestrzeń probabilistyczna
Przykład 3
Klasyczna definicja prawdopodobieństwa:
Ω = {ω1, . . . , ωn} jest zbiorem skończonym;
F = 2Ω to zbiór wszystkich podzbiorów Ω;
prawdopodobieństwa zdarzeń elementarnych p1= · · · = pn= 1n są równe
Dla A = {ωi1, ωi2, . . . , ωik} (tzn. |A| = k)
P(A) = pi1+ pi2+ . . . + pik = 1 n +1
n + . . . + 1 n
| {z }
k
= k n = |A|
|Ω|
Dyskretna przestrzeń probabilistyczna
Przykład 1bis
Rzucamy 100 razy jedną monetą. Podaj przykład zgodnej z rzeczywistością przestrzeni probabilistycznej, która odpowiada temu eksperymentowi, jeśli
1 Ω – zbiór ciągów długości 100 o wyrazach ze zbioru {O, R};
2 Ω = {0, 1, . . . , 100} - to zbiór możliwych liczb wyrzuconych orłów.
Intuicja
Przykład 4
Tola przychodzi na przystanek rano w dowolnym momencie między 7.00 a 8.00 (każdy moment równo prawdopodobny).
Pasują jej dwa autobusy: 74 i 91. Oba jeżdżą punktualnie według rozkładu:
74: 7.00, 7.15, 7.30, 7.45, 8.00, ... ; 91: 7.05, 7.20, 7.35, 7.50, 8.05, ... ; Tola wsiada do pierwszego z nich, który przyjedzie. Jaka jest szansa, że Tola pojedzie autobusem 74?
Rozwiązanie intuicyjne:...
Jaką przestrzeń probabilistyczną wykorzystaliśmy?
Prawdopodobieństwo geometryczne
Przestrzeń probabilistyczna z prawdopodobieństwem geometrycznym
Definiujemy przestrzeń probabilistyczną (Ω, F , P), gdzie:
Ω jest pewnym podzbiorem Rn o dodatniej skończonej mierze (zwykle w naszych przykładach n = 1, 2, 3)
F jest rodziną zbiorów borelowskich w Ω
P : F → [0, 1] jest funkcją prawdopodobieństwa określoną wzorem
P (A) := λ(A) λ(Ω), gdzie λ(·) jest miarą Lebesgue’a zbioru w Rn. W rozważanych przykładach:
n = 1: długość, n = 2: pole, n = 3: objętość.
Porównanie
Definicja klasyczna Ω–niepusty zbiór skończony;
F = 2Ω – wszystkie podzbiory Ω;
Prawdopodobieństwo zdarzenia losowego A jest równe
P(A) =
|A|
|Ω|
| · | jest miarą zbioru, tzn. liczbą elementów.
.
Prawdopodobieństwo geometryczne Ω– podzbiór Rn
o dodatniej skończonej mierze.
F jest rodziną borelowskich podzbiorów Ω;
Prawdopodobieństwo zdarzenia losowego A jest równe
P (A) := λ(A) λ(Ω), gdzieλ(·) jest miarą zbioru w Rn. n = 1: długość,
n = 2: pole, n = 3: objętość.
Przestrzeń probabilistyczna Przestrzenie dyskretne Prawdopodobieństwo geometryczne
Przykład 5
Wybrano losowo dwie liczby (a, b): a z przedziału [0, 1/2] i b z przedziału [0, 1]. Ile wynosi prawdopodobieństwo zdarzenia, że pierwsza z liczb jest mniejsza?
Asia i Basia umówiły się w restauracji między 18:00 a 19:00. Asia przychodzi w losowym momencie między 18:00 a 18:30 a Basia między 18:00 a 19:00. Jakie jest prawdopodobieństwo, że Asia przyjdzie pierwsza ?
Przykład 5
Wybrano losowo dwie liczby (a, b): a z przedziału [0, 1/2] i b z przedziału [0, 1]. Ile wynosi prawdopodobieństwo zdarzenia, że pierwsza z liczb jest mniejsza?
Przykład 5 bis
Asia i Basia umówiły się w restauracji między 18:00 a 19:00. Asia przychodzi w losowym momencie między 18:00 a 18:30 a Basia między 18:00 a 19:00. Jakie jest prawdopodobieństwo, że Asia przyjdzie pierwsza ?
Przykład 6
Asia i Basia umówiły się w restauracji między 18:00 a 19:00. Jakie jest prawdopodobieństwo, że nie będą na siebie czekać dłużej niż kwadrans ? Zakładamy, że każda z nich przychodzi w losowym momencie z podanego przedziału.
Przykład 7
Z przedziału [0; 1] wybieramy jedną liczbę. Oblicz prawdopodobieństwo zdarzenia:
1 wylosowana liczba jest równa 1/2.
2 wylosowana liczba jest postaci 1/n dla pewnego n ∈ N.
Przykład 8
Rzucamy nieskończoną liczbę razy monetą. Podaj sensowną przestrzeń probabilistyczną odpowiadającą temu eksperymentowi, w której każdy możliwy wynik jest „równo prawdopodobny”.
Po co nam zbiory Borelowskie?
Szczypta teorii miary itp.
Z odcinka [0, 1] wybieramy losowo punkt zgodnie z prawdopodobieństwem geometrycznym. Wtedy
prawdopodobieństwo trafienia punktu z odcinka [a, b] (jego miara) jest równa długości odcinka i P (A + t) = P (A) (o ile A ⊆ [0, 1] i t + A ⊆ [0, 1]). Można pokazać, że dla tak zdefiniowanego prawdopodobieństwa (miary) jeśli założylibyśmy, że F = 2[0,1], to znalazłby się zbiór w F dla którego nie można znaleźć
prawdopodobieństwa (zbiór niemierzalny).
Zainteresowanych konstrukcją odsyłamy do zadań dla chętnych.