1 - Ath
Transkrypt
1 - Ath
Zmienne losowe Definicja zmiennej losowej. Niech E będzie zbiorem zdarzeń elementarnych. Zmienną losową nazywamy funkcję X(e) przyporządkowującą każdemu zdarzeniu elementarnemu eE jedną i tylko jedną liczbę X(e) = x z określonym prawdopodobieństwem. Zmienna losowa Rzucamy monetą. Mamy dwa zdarzenia elementarne: wypadnie orzeł lub reszka. Definiujemy zmienną losową: X(orzeł) = 1 X(reszka) = 0 Prawdopodobieństwo pojawienia się orła lub reszki wynosi ½ P(X=1)=P(orzeł)=1/2 P(X=0)=P(reszka)=1/2 Prawdopodobieństwo Dla każdej zmiennej losowej możliwe jest określenie prawdopodobieństwa, że przyjmuje ona wartość należącą do dowolnego zbioru jej wartości. Sposób rozdysponowania prawdopodobieństwa (równego 1) pomiędzy wartości jakie przyjmuje dana zmienna losowa określamy rozkładem prawdopodobieństwa zmiennej losowej lub rozkładem zmiennej losowej. Funkcją prawdopodobieństwa zmiennej losowej X typu skokowego, przyjmującej wartości xi, i=1,, ..., jest P (X = xi) = pi gdzie n gdy zmienna losowa X przyjmuje i skończoną liczbę n wartości p 1 i 1 p i 1 i 1 gdy zmienna losowa X przyjmuje nieskończoną liczbę wartości Przykład 1. 1. Rzucamy kostką do gry. Zbiór zdarzeń elementarnych { 1, 2, …, 6}. X(ei) = i Zbiór zdarzeń elementarnych jest ograniczony i przeliczalny. Przykład 2 Doświadczenie polega na rzucaniu kostką do gry, tak długo aż pojawi się szóstka. Zdarzenia elementarne związane z tym doświadczeniem można uporządkować następująco. wyrzucenie szóstki w pierwszym rzucie, wyrzucenie szóstki w drugim rzucie, wyrzucenie szóstki w trzecim rzucie, itd. Zbiór zdarzeń elementarnych jest nieskończony lecz przeliczalny. Przykład 3 3. Badaną cechą jest waga dziecka zaraz po urodzeniu. Zdarzeniem elementarnym jest zatem urodzenie dziecka o określonej wadze. Może to być dowolna liczba rzeczywista z określonego przedziału. Zbiór zdarzeń jest nieskończony i nieprzeliczalny. losowa X jest typu skokowego jeśli może przyjmować skończoną lub nieskończoną, ale przeliczalną liczbę wartości. Zmienna losowa X jest typu ciągłego jeśli jej możliwe wartości należą do przedziału ze zbioru liczb rzeczywistych. Zmienna Dystrybuantą zmiennej losowej X nazywamy funkcję F(x) określoną na zbiorze liczb rzeczywistych: F(x) = P(X x) Dystrybuanta zmiennej losowej X skokowej która przyjmuje wartości x1, ..., xn, z prawdopodobieństwami p1, ..., pn ma postać: F( x ) p xi x i x Własności dystrybuanty zmiennej losowej skokowej 0 F(x) 1 lim F(x) 0 x F(x) lim F(x) 1 x jest funkcją niemalejącą i przedziałami stałą F(x) jest funkcją prawostronnie ciągłą. Dystrybuanta zmiennej losowej dyskretnej Dystrybuanta empiryczna jest funkcją niemalejącą, przyjmującą wartości z przedziału [0, 1]. Przykład Do tarczy oddaje się 3 strzały – w sposób niezależny. Prawdopodobieństwo trafienia w tarczę wynosi 1/2 dla każdego strzału. Niech zmienna losowa X oznacza liczbę trafień w tarczę. Określić przestrzeń zdarzeń elementarnych. Wyznaczyć dystrybuantę oraz funkcję prawdopodobieństwa dla badanej zmiennej losowej. Rozwiązanie Oznaczmy T – trafienie C – chybienie. Zbiór zdarzeń elementarnych jest następujący {CCC, CCT, CTC, TCC, CTT, TCT, TTC, TTT} czyli 8 elementowy c.d. X przyjmuje wartości 0, 1, 2, 3. (x1 = 0 x2 = 1 x3 = 2, x4 = 3) P(X=0) =p1= 1/8 P(X=1)= p2= 3/8 P(X=2)= p3= 3/8 P(X=3)= p4= 1/8 Prawdopodobieństwo CCC, CCT, CTC, TCC, CTT, TCT, TTC, TTT xi 0 1 2 3 pi 1/8 3/8 3/8 1/8 Dystrybuanta F(x) = 0 dla x < 0 F(x)=1/8 dla 0 x <1 F(x) = 1/8+3/8 = 4/8 dla 1 x <2 F(x) = 1/8+3/8+3/8 = 7/8 dla 2 x <3 F(x) = 1/8+3/8+3/8+1/8 = 1 dla x 3 0x 0 1 / 8 0 x 1 F( x ) 1 / 2 1 x 2 7 / 8 2 x 3 1 x3 Jeśli znana jest dystrybuanta można wyznaczyć prawdopodobieństwo zdarzenia, że zmienna losowa X przyjmuje wartości z przedziału (a, b] tzn. a < X b. P(a < X b ) = P(X b) – P(X a) = F(b) –F(a) Dla naszego przykładu: P( 1< X 2) = F(2) - F(1) = 7/8 - 1/2 = 3/8 Przykład. W dużej aglomeracji miejskiej statystyki odnotowały w ciągu ostatnich 300 dni następujące dane dotyczące wypadków drogowych: Liczba wypadków 0 Liczba dni 45 1 75 2 120 3 45 4 15 Określ i przedstaw w formie tabelarycznej i graficznej rozkład prawdopodobieństwa i dystrybuantę wypadków drogowych w tym mieście. Dystrybuanta Jakie jest prawdopodobieństwo tego, że w dowolnie wybranym dniu zdarzą się mniej niż 3 wypadki drogowe. P(X < 3) = P(X 2) = F(2) = 0,80 Jakie jest prawdopodobieństwo tego, że w dowolnie wybranym dniu zdarzy się co najmniej jeden wypadek drogowy? P(X 1) = 1 – P( X 0) = 1-F(0) = 1 – 0,15 = 0,85 Funkcja gęstości rozkładu prawdopodobieństwa a funkcja prawdopodobieństwa Ze wzrostem liczby pomiarów częstość dąży do prawdopodobieństwa. Jeśli równocześnie zwiększamy liczbę przedziałów, histogram dąży do wykresu tzw. funkcji gęstości rozkładu prawdopodobieństwa. Funkcja gęstości rozkładu wyznaczana jest tylko dla zmiennej losowej ciągłej. Dla zmiennej skokowej wyznaczana jest funkcja prawdopodobieństwa zmiennej losowej. Funkcja gęstości – właściwości Funkcja gęstości rozkładu prawdopodobieństwa pozwala obliczać prawdopodobieństwo znalezienia zmiennej losowej w dowolnym przedziale. b Pa X b f x dx a Funkcja gęstości f(x) b f ( x)dx a a b x Funkcja gęstości prawdopodobieństwa zmiennej losowej ciągłej funkcja f(x) określona na zbiorze liczb rzeczywistych, o następujących własnościach: 1. f(x) 0 b 2. f (x)dx P(a X b) a dla dowolnych a<b Funkcja gęstości prawdopodobieństwa Własności: f ( x ) dx P ( X ) 1 Dystrybuanta zmiennej losowej ciągłej Jeśli f(x) jest funkcją gęstości zmiennej losowej X to dystrybuanta F(x) jest równa x F( x ) f ( t )dt Wykres dystrybuanty Własności P(a X b) P(a X b) P(a X b) P(a X b) b P(a X b) F (b) F (a) f ( x)dx a Wyznaczanie prawdopodobieństwa z dystrybuanty P(a < X b ) = P(X b) – P(X a) = F(b) – F(a) Własności dF ( x) f ( x) F ' ( x) dx Mając dystrybuantę można wyznaczyć funkcję gęstości, i na odwrót. Wartość oczekiwana (wartość przeciętna, nadzieja matematyczna) xi pi i E( X ) xf ( x)dx Dla zmiennej losowej skokowej Dla zmiennej losowej ciągłej Przykład Rzucamy jedną kostką do gry. Liczba wyrzuconych oczek X jest zmienną losową o wartościach 1,2,3,4,5,6 i ma rozkład jednostajny P(X=i)=1/6. Zatem E(X)= (1+2+...6)/6 = 3.5 Przykład. xi 0 1 2 3 pi 1/8 3/8 3/8 1/8 E(X)+0*1/8 + 1*3/8 + 2*3/8 + 3*1/8 = 12/8 =1,5 Oznacza to, że przeciętna liczba trafień do tarczy wynosi 1,5. Wariancja [ xi E ( X )] 2 pi i 2 2 D ( X ) E[ X E ( X )] [ x E ( X )] 2 f ( x)dx Wyznacz wartość oczekiwana i wariancję badanej zmiennej losowej ( z przykładu) (xi-E(X))2 Pi*(xi-E(X))2 xi pi xipi 0 0,15 0,15 0 0,43 1 0,25 0,40 0,25 0,12 2 0,40 0,80 0,8 0,04 3 0,15 0,95 0,45 0,25 4 0,05 1 0,2 0,26 Suma E(X)=1,7 D2(X)=1,11 Kwantyle Np. kwantyl 0,5 zwany medianą jest wartością zmiennej losowej, taką, że wartości mniejsze lub większe od niej występują z prawdopodobieństwem 0,5. Kwantyle 0, 1...0, 9 noszą nazwę decyli. Kwartyle Kwartyle dzielą zbiór wartości zmiennej losowej ciągłej na ćwiartki po 25% ogółu elementów. Przykład. Dana jest funkcja opisana w następujący sposób 2x 2 f (x) 0 dla 1 x 2 dlapozostaychx Sprawdź, czy funkcja ta jest funkcją gęstości prawdopodobieństwa. Jeśli tak, wyznacz jej dystrybuantę. Rozwiązanie Aby sprawdzić, czy jest to funkcja gęstości sprawdzamy warunki: 1. f (x) 0 2. f (x)dx P( X ) 1 Warunek 1 – z wykresu 2.5 2 1.5 1 0.5 0 0 0.5 1 1.5 2 2.5 3 Warunek 2 2 2 x 2 (2x 2)dx 2 x |1 2 1 1 2 1 2 2 (2 1) 2 3 2 1 1 2 Dystrybuanta Dla x<1 x F( x ) Dla 1 x <2 0dx 0 x F( x ) x 1 f ( t )dt 2 x x 2x |1 2 0dx (2x 2)dx x 2x 1 1 cd. Dla x 2 1 2 x 1 2 F( x ) 0dx (2x 2x )dx 0dx 1 Wykres dystrybuanty 1.2 1 0.8 0.6 0.4 0.2 0 0 0.5 1 1.5 2 2.5 3 Przykład Funkcja gęstości prawdopodobieństwa zmiennej losowej X dana jest wzorem: f(x) = 1/3 dla 1 < x <4 f(x) = 0 dla pozostałych x. Oblicz P(0 < X 3) Rozwiązanie. Obliczamy dystrybuantę 1. 2. Dla x < 1 F(x) = 0 Dla 1 x < 4 x F( x ) 1 1 1 f ( t )dt dt x 3 3 3 3. Dla x 4 x F(x) = 1 1 Rozwiązanie. x 1 0 1 x 4 1 1 F( x ) x 3 3 x4 1 1 1 2 P(0 X 3) F(3) F(0) 3 0 3 3 3 Przykład. xi 0 1 2 3 pi 1/8 3/8 3/8 1/8 E(X)+0*1/8 + 1*3/8 + 2*3/8 + 3*1/8 = 12/8 =1,5 Oznacza to, że przeciętna liczba trafień do tarczy wynosi 1,5. Przykład dla zmiennej losowej ciągłej Funkcja gęstości dana jest wzorem 0 f ( x ) 1 / 5 0 x0 0x5 Wyznacz wartość oczekiwaną x5 Rozwiązanie E (X) xf ( x )dx 0 5 0 5 1 x 0 dx x dx 5 x2 5 x 0 dx 2,5 10 0 Przykład Zmienna losowa określona jest za pomocą dystrybuanty: x0 0 dla F( x ) x / 2 dla 0 x 2 1 dla x2 Oblicz wariancję. Obliczamy funkcję gęstości x0 0 dla f ( x ) F' ( x ) 1 / 2 dla 0 x 2 0 dla x2 Obliczamy wartość oczekiwaną E( X) xf ( x )dx 2 0 2 1 1x 2 xdx | 1 2 2 2 0 Obliczamy wariancję D 2 (X) x E(X)2 f ( x )dx 2 0 2 1 1 2 ( x 1) dx ( x 2x 1)dx 2 2 2 0 2 1 1 x 3 2x 2 x 0 3 2 3 2