rozkład geometryczny
Transkrypt
rozkład geometryczny
Rozkłady prawdopodobieństwa 1 Rozkłady prawdopodobieństwa. Rozkłady dyskretne i ciągłe. W przypadku rozkładu dyskretnego określamy wartości prawdopodobieństwa dla przeliczalnej (skończonej lub nieskończonej) liczby wartości zmiennej losowej. Np. x1 , x2 ,...xn – wszystkie możliwe wartości zmiennej losowej P( x1 ), P ( x2 ),...P ( xn ) – prawdopodobieństwa, z którymi zmienna losowa przyjmuje kolejne wartości. Z definicji prawdopodobieństwa wynika, że n ∑ P( x ) = 1 i i =1 Wartość średnia (oczekiwana) zmiennej losowej n µ = ∑ P( xi ) ⋅ xi i =1 Mediana zmiennej losowej P ( x < µ 1 / 2 ) = P ( x ≥ µ1 / 2 ) = 1 2 Moda (wartość modalna) zmiennej losowej P( µ max ) ≥ P ( x ≠ µ max ) Wariancja zmiennej losowej σ 2 = ∑ P( xi ) ⋅ ( xi − µ ) 2 = ∑ P ( xi ) ⋅ xi − µ 2 2 Dyspersja zmiennej losowej σ= ∑ P( x ) ⋅ ( x i i − µ )2 Rozkłady prawdopodobieństwa 2 W przypadku rozkładu ciągłego zbiór wartości zmiennej losowej pokrywa się ze zbiorem liczb rzeczywistych. Zamiast rozkładu prawdopodobieństwa wprowadza się rozkład gęstości prawdopodobieństwa zmiennej losowej ciągłej. p ( x) - x ∈ {R} x=∞ ∫ p( x) ⋅ dx = 1 x = −∞ P ( a < x < b) = x =b ∫ p( x) ⋅ dx x =a P ( x 0 < x < x 0 + δx ) ≅ p ( x ) ⋅ δx µ = ∫ p ( x) ⋅ x ⋅ dx σ 2 = ∫ p ( x) ⋅ ( x − µ ) 2 ⋅ dx = ∫ p ( x) ⋅ x 2 ⋅ dx − µ 2 Rozkłady prawdopodobieństwa 3 Rozkład równomierny dyskretny x ∈ {1,2,3,4,5,6}, P(xi ) = p = 6 1 6 µ = ∑ P ( xi ) ⋅ xi = p (1 + 2 + 3 + 4 + 5 + 6) = i =1 21 = 3,5 6 µ1 / 2 = 4 6 6 1 17,5 σ = ∑ p ⋅ ( xi − µ ) = ∑ ⋅ ( xi − 3,5) 2 = = 2,916(6) 6 i =1 i =1 6 σ = 1,7078... 2 2 µ = 3,5 σ 2 = 2,916(6) σ = 1,7078... Rozkłady prawdopodobieństwa 4 0, x ∉ a, b p( x) = 1 , x ∈ a, b b − a Rozkład równomierny ciągły 0,18 0,16 0,14 0,12 0,10 0,08 0,06 0,04 0,02 0,00 -4 -3 -2 -1 0 1 2 3 4 b x x2 b2 − a 2 a + b ⋅ dx = = = µ=∫ b a b a b a − − − 2 ( ) 2 ( ) 2 a a b b b 1 1 x3 2 2 2 x dx ⋅ − = ⋅ − = σ = µ µ b − a ∫a b−a 3 a 2 1 b 3 − a 3 ( a + b) 2 1 (b − a )(b 2 + ab + a 2 ) (a + b) 2 ⋅ − = ⋅ − = b−a b−a 3 4 3 4 4(b 2 + ab + a 2 ) − 3(a + b) 2 b 2 − 2ab + a 2 (b − a ) 2 = = 12 12 12 a+b =3 2 (b − a ) 2 2 σ = =3 12 b−a σ= = 3 = 1,7320... 2 3 µ= a=0 b=6 Rozkłady prawdopodobieństwa 5 Rozkład trójkątny 0, x ∉ − a2 , a2 2 2 p ( x) = 1 + x , x ∈ − a2 ,0 a a 2 2 a 1 − x , x ∈ (0, 2 a a 0,35 0,30 0,25 0,20 0,15 0,10 0,05 0,00 -4 -3 -2 -1 σ = 0 ∫ p1 ( x) x dx + 2 −a / 2 a2 σ = 24 a σ= 2 6 1 2 3 µ =0 Ze względu na symetrię 2 0 a/2 a/2 2 p x x dx p x x dx ( ) 2 ( ) = 2 2 ∫ ∫ 2 0 2 dla a = 6 0 σ 2 = 1,5 σ = 1,2247... 4 Rozkłady prawdopodobieństwa 7 Rozkład dwumianowy Prawdopodobieństwo sukcesu w jednej próbie wynosi p, a porażki q = 1 – p. Liczba sukcesów x w serii n prób jest liczbą losową o rozkładzie dwumianowym. n n! P( x; n, p ) = p x q n − x = p x (1 − p ) n − x x!(n − x)! x Na podstawie tożsamości n ( p + q) = ∑ p x q n − x x = 0 x n n można natychmiast wykazać, że wartości prawdopodobieństwa są unormowane, to znaczy n ∑ P( x; n, p) = 1 x =0 n! p x (1 − p ) n − x = np µ = ∑ x x = 0 x!( n − x )! n n! p x (1 − p ) n − x = np (1 − p ) σ = ∑ ( x − µ ) 2 x!(n − x)! x =0 n 2 Rozkłady prawdopodobieństwa 8 0,30 0,25 0,20 0,15 0,10 0,05 0,00 0 1 2 3 4 5 6 7 8 9 10 10 15 20 25 30 35 40 45 50 p = 0,5; n = 10 0,20 0,18 0,16 0,14 0,12 0,10 0,08 0,06 0,04 0,02 0,00 0 5 p = 0,1; n = 50 Rozkłady prawdopodobieństwa 9 Rozkład Poissona Rozkład Poissona jest granicznym przypadkiem rozkładu dwumianowego przy spełnieniu warunków n → ∞ , p → 0 , µ = np = const µ x −µ e lim PD ( x; n, p ) = PP ( x; µ ) ≡ p →0 x ! n→∞ Wartość średnia wynosi oczywiście µ x −µ x e =µ ∑ x! x =0 ∞ Wariancja rozkładu Poissona jest równa średniej µ x −µ e =µ σ = ∑ (x − µ) x! x =0 ∞ 2 2 Rozkład Poissona 0,20 0,18 0,16 0,14 0,12 0,10 0,08 0,06 0,04 0,02 0,00 0 µ=5 10 20 30 40 50 Rozkłady prawdopodobieństwa 10 Rozkład Poissona 0,09 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,01 0,00 0 µ = 25 10 20 30 40 50 Rozkłady prawdopodobieństwa 11a Rozkład Poisson’a otrzymujemy bezpośrednio w przypadku tzw. ciągłej rejestracji zdarzeń, jeżeli spełniony jest postulat Poisson’a. Postulat Poisson’a stwierdza, że prawdopodobieństwo pojawienia się kolejnego zdarzenia w przedziale czasu (t , t + dt ) nie zależy od liczby zdarzeń zarejestrowanych w odstępie (0, t ) i wynosi µ ⋅ dt , gdzie µ jest średnią liczbą zdarzeń na jednostkę czasu. Niech Pr (t ) jest prawdopodobieństwem zarejestrowania r zdarzeń w czasie t , a µ jest średnią liczbą zdarzeń jak wyżej. Wtedy Pr (t + dt ) = Pr −1 (t ) ⋅ P1 (dt ) + Pr (t ) ⋅ P0 (dt ) = Pr −1 (t ) ⋅ µ ⋅ dt + Pr (t ) ⋅ (1 − µ ⋅ dt ) stąd Pr (t + dt ) − Pr (t ) = (Pr −1 (t ) ⋅ µ − Pr (t ) ⋅ µ )⋅ dt Pr (t + dt ) − Pr (t ) dPr (t ) = = − µ ⋅ Pr (t ) + µ ⋅ Pr −1 (t ) dt dt gdzie z definicji Pr −1 = 0 dla r = 0 . Otrzymujemy zatem co po rozwiązaniu daje dP0 (t ) = − µ ⋅ P0 (t ) dt P0 (t ) = e − µ ⋅t Następnie a po scałkowaniu dP1 (t ) = − µ ⋅ P1 (t ) + µ ⋅ e − µ ⋅t dt P1 (t ) = µ ⋅ t ⋅ e − µ ⋅t . Metodą indukcji można udowodnić, że n ( µ ⋅ t ) − µ ⋅t P (t ) = ⋅e n n! Czyli rozkład identyczny z rozkładem Poisson’a dla średniej liczby zdarzeń (sukcesów) µ ⋅ t . Rozkłady prawdopodobieństwa 12 Rozkład normalny (Gaussa) 1 x − µ 2 1 p N ( x; µ , σ ) = exp − 2 σ σ 2π Standardowy rozkład Gaussa pN ( z) = 1 1 exp − z 2 2π 2 0,45 0,40 0,35 0,30 0,25 0,20 0,15 0,10 0,05 0,00 -5 -4 -3 -2 -1 0 2 3 4 5 1 x − µ 2 exp − dx ∫ 2 σ µ − ∆x 1 - PN(|z| < PN(|z| < Δz) Δz) 1 PN ( x − µ < ∆x; µ , σ ) = σ 2π Δz 1 µ + ∆x 0,5 0,382925 0,617075 1,0 0,682689 0,317311 1,5 0,866386 0,133614 2,0 0,954500 0,045500 2,5 0,987581 0,012419 3,0 0,997300 0,002700 3,5 0,999535 0,000465 4,0 0,999937 0,000063 Rozkłady prawdopodobieństwa 13 Rozkład Lorentza (Cauchy’ego) p L ( x; µ , Γ) = Γ/2 1 π ( x − µ ) 2 + ( Γ / 2) 2 Wariancja rozkładu Lorentza nie istnieje. 0,45 0,40 0,35 0,30 0,25 0,20 0,15 0,10 0,05 0,00 -5 -4 -3 µ = 0, Γ = 2,354 -2 -1 0 1 2 3 4 5 Rozkłady prawdopodobieństwa 14 Rozkład wykładniczy Funkcja rozkładu gęstości prawdopodobieństwa jest określona dla nieujemnego rzeczywistego argumentu: pe ( x) = λe − λx dla x ≥ 0 , λ > 0 gdzie λ jest parametrem rozkładu. Wartość średnia tego rozkładu wynosi ∞ µ = λ ∫ xe 0 ∞ − λx 1 1 1 dx = λ − x + e − λx = x + e − λx λ λ λ 0 a wariancja ∞ 2 1 1 σ = λ ∫ x − e − λx dx = 2 λ λ 0 2 0 = ∞ 1 λ Rozkłady prawdopodobieństwa 15 Przykład dla zmiennej dyskretnej (rozkład geometryczny) n – liczba rzutów kostką do wyrzucenia sześciu oczek szukamy Pg (n) prawdopodobieństwa wyrzucenia sześciu oczek w n-tym rzucie n = 1,2,3,... 2 1 5 1 5 1 5 Pg (1) = , Pg (2) = ⋅ , Pg (3) = ⋅ , ... Pg (n) = 6 6 6 6 6 6 n −1 ⋅ 1 6 albo 6 6 5 przy czym ln 10%). 1 −( n −1) ln 5 Pg (n) = e 6 1 nie różni się wiele od (różnica jest mniejsza od 6 Wyrzucenie sześciu (lub jakiejkolwiek innej ustalonej liczby) oczek jest najbardziej prawdopodobne w pierwszym rzucie. Rozkład geometryczny dla rzutów kostką 0,18 0,16 0,14 0,12 0,10 0,08 0,06 0,04 0,02 0,00 0 5 10 15 20 Rozkłady prawdopodobieństwa 16 Przykład dla zmiennej ciągłej W przypadku zdarzeń podlegających rozkładowi Poisson’a prawdopodobieństwo nie zarejestrowania żadnego zdarzenia w czasie t wynosi P0 (t ) = e − µ ⋅t natomiast prawdopodobieństwo zarejestrowania jednego zdarzenia w czasie dt bezpośrednio potem wynosi µ ⋅ dt Zatem prawdopodobieństwo tego, że zdarzenie zostanie zarejestrowane po czasie t (od momentu rozpoczęcia obserwacji lub od poprzedniego zdarzenia, lub od dowolnie ustalonej chwili) wynosi p(t ) ⋅ dt = µ ⋅ e − µ ⋅t dt Rozkład gęstości prawdopodobieństwa odstępów między kolejnymi zdarzeniami podlegającymi rozkładowi Poisson’a jest wykładniczy p(t ) = µ ⋅ e − µ ⋅t , dla którego charakterystyczne jest to, że najbardziej prawdopodobne jest pojawienie się kolejnego zdarzenia bezpośrednio po poprzednim. Rozkład wykładniczy p (t ) = µe − µ ⋅t 2,0 1,8 1,6 1,4 1,2 1,0 0,8 0,6 0,4 0,2 0,0 0 2 dla µ = 0,2; 0,6; 1,0; 2,0 4 6 8 10