Przestrzeń probabilistyczna - Ireneusz Krech
Transkrypt
Przestrzeń probabilistyczna - Ireneusz Krech
Przestrzeń probabilistyczna c Copyright by Ireneusz Krech [email protected] Instytut Matematyki Uniwersytet Pedagogiczny im. KEN w Krakowie Ziarnista przestrzeń probabilistyczna Definicja. Niech Ω bedzie ˛ dowolnym zbiorem co najmniej dwuelementowym i co najwyżej przeliczalnym. Każda˛ ˛ że funkcje˛ p ze zbioru Ω w zbiór R, nieujemna˛ i taka, X p(ω) = 1, ω∈Ω nazywamy rozkładem prawdopodobieństwa na zbiorze Ω. ˛ albo dyskretna˛ Pare˛ (Ω, p) nazywamy ziarnista, przestrzenia˛ probabilistyczna. ˛ Klasyczna przestrzeń probabilistyczna 1 Definicja. Niech p(ω) = dla każdego ω ∈ Ω, gdzie s Ω = {ω1 , ω2 , . . . , ωs }. Funkcje˛ p nazywamy klasycznym rozkładem prawdopodobieństwa na zbiorze Ω, a pare˛ (Ω, p) ˛ — klasyczna˛ przestrzenia˛ probabilistyczna. Klasyczna przestrzeń probabilistyczna 1 Definicja. Niech p(ω) = dla każdego ω ∈ Ω, gdzie s Ω = {ω1 , ω2 , . . . , ωs }. Funkcje˛ p nazywamy klasycznym rozkładem prawdopodobieństwa na zbiorze Ω, a pare˛ (Ω, p) ˛ — klasyczna˛ przestrzenia˛ probabilistyczna. Szczególnymi klasycznymi przestrzeniami probabilistycznymi sa˛ w rachunku prawdopodobieństwa pary: (ΩM , pM ), gdzie ΩM = {o, r} oraz pM (o) = pM (r) = 12 , (ΩK , pK ), gdzie ΩK = {1, 2, 3, 4, 5, 6} oraz pK (j) = j ∈ ΩK . 1 6 dla Przykład Niech Ω = {?, n o, •} i p(?) = 13 , p(n o) = 12 , p(•) = 16 . Para (Ω, p) jest przestrzenia˛ probabilistyczna. ˛ Przykład Niech Ω = {ω1 , ω2 , ω3 } i p(ω1 ) = 13 , p(ω2 ) = 12 , p(ω3 ) = 16 . Para (Ω, p) jest przestrzenia˛ probabilistyczna. ˛ Przykład Przestrzenia˛ probabilistyczna˛ jest para (Ω, p), gdzie 2 1 Ω = {a, b, c} oraz p(a) = , p(b) = 0 i p(c) = . 3 3 Przykład Rozkładem prawdopodobieństwa na przeliczalnym zbiorze Ω = {ω1 , ω2 , ω3 , . . .} jest funkcja p, gdzie n 1 p(ωn ) = 2 dla ωn ∈ Ω. Para (Ω, p) jest przeliczalna˛ przestrzenia˛ probabilistyczna. ˛ Geometryczna prezentacja przestrzeni prob. T3 T4 K T1 T5 R T2 Niech Ω = {T1 , T2 , T3 , T4 , T5 , K, R} oraz p(T1 ) = 14 , p(T2 ) = 14 , p(T3 ) = p(K) = 18 , p(R) = 18 . 1 16 , p(T4 ) = 18 , p(T5 ) = 1 16 , Rozkład zero-jedynkowy Funkcja pu0−1 (j) = uj (1 − u)1−j dla j = 0, 1, gdzie u jest ustalona˛ liczba˛ rzeczywista˛ z przedziału (0, 1), jest rozkładem prawdopodobieństwa na zbiorze ˛ para (Ω0−1 , pu0−1 ) jest przestrzenia˛ Ω0−1 = {0, 1}, a wiec probabilistyczna. ˛ Funkcje˛ pu0−1 nazywamy rozkładem zero-jedynkowym, pare˛ (Ω0−1 , pu0−1 ) zaś zero-jedynkowa˛ przestrzenia˛ probabilistyczna. ˛ Rozkład dwumianowy Niech u ∈ (0, 1), n ∈ N2 . Każda˛ funkcje˛ p : N0 −→ R, gdzie ! n k p(k) = u (1 − u)n−k dla k = 0, 1, 2, . . . , n, k nazywamy rozkładem dwumianowym i oznaczamy b(n, u). Rozkład geometryczny Niech u ∈ (0, 1) oraz v = 1 − u. Funkcje˛ p : N1 −→ R, gdzie p(n) = u · v n−1 dla n = 1, 2, 3, ..., nazywamy rozkładem geometrycznym. Rozkład geometryczny jest rozkładem prawdopodobieństwa na zbiorze N1 . Rozkład geometryczny Niech u ∈ (0, 1) oraz v = 1 − u. Funkcje˛ p : N1 −→ R, gdzie p(n) = u · v n−1 dla n = 1, 2, 3, ..., nazywamy rozkładem geometrycznym. Rozkład geometryczny jest rozkładem prawdopodobieństwa na zbiorze N1 . Niech an = n 1 2 geometrycznym. dla n ∈ N1 . Ciag ˛ (an ) jest rozkładem Rozkład Pascala Niech k bedzie ˛ ustalona˛ liczba˛ naturalna˛ i k 1 oraz u ∈ (0, 1). Funkcje˛ p : Nk −→ R określona˛ wzorem ! n−1 k p(n) = u (1 − u)n−k dla n = k, k + 1, k + 2, ..., k−1 nazywamy rozkładem Pascala. Rozkład Pascala jest rozkładem prawdopodobieństwa na zbiorze Nk . W przypadku k = 1 rozkład Pascala jest rozkładem geometrycznym. Rozkład Poissona Niech λ ∈ R i λ > 0. Funkcje˛ p : N0 −→ R określona˛ wzorem λk −λ ·e p(k) = dla k = 0, 1, 2, 3, . . . , k! nazywamy rozkładem Poissona. Rozkład Poissona jest rozkładem prawdopodobieństwa na zbiorze N0 .