Wykład 2: Prawdopodobieństwo warunkowe. Twierdzenie o
Transkrypt
Wykład 2: Prawdopodobieństwo warunkowe. Twierdzenie o
Rachunek prawdopodobieństwa MAP1151 Wydział Elektroniki, rok akad. 2011/12, sem. letni Wykładowca: dr hab. A. Jurlewicz Wykład 2: Prawdopodobieństwo warunkowe. Twierdzenie o prawdopodobieństwie całkowitym. Wzór Bayesa. Niezależność zdarzeń. Definicja. Prawdopodobieństwo warunkowe zdarzenia A pod warunkiem, że zaszło zdarzenie B, gdzie A, B ∈ F, P (B) > 0, dane jest wzorem P (A|B) = P (A ∩ B) . P (B) Dla B takiego, że P (B) = 0, można przyjąć P (A|B) = 0. Przy ustalonym B, P (B) > 0, oznaczyć możemy P (A|B) = PB (A). PB to nowe prawdopodobieństwo na (Ω, F), tzn. (Ω, F, PB ) jest nową przestrzenią probabilistyczną. P (A) - prawdopodobieństwa a priori (przed faktem) PB (A) - prawdopodobieństwa a posteriori (po fakcie). Własności prawdopodobieństwa warunkowego: 1. Jeśli A ⊂ B, A, B ∈ F, P (B) > 0, to P (A|B) = P (A) . P (B) 2. Jeśli B ⊂ A, A, B ∈ F, P (B) > 0, to P (A|B) = 1. W szczególności, P (B|B) = 1. 3. Jeśli A ∩ B = ∅, A, B ∈ F, P (B) > 0, to P (A|B) = 0. 4. Jeśli A, B ∈ F, P (B) = 1, to P (A|B) = P (A). 1 Definicja. Rozbiciem zbioru Ω nazywamy rodzinę {Bn ,Sn ∈ T ⊂ N} zdarzeń losowych parami rozłącznych (tzn. Bi ∩ Bj = ∅ dla i 6= j) taką, że Bn = Ω. n∈T Twierdzenie o prawdopodobieństwie całkowitym: Niech {Bn , n ∈ T ⊂ N} będzie rozbiciem zbioru Ω takim, że P (Bn ) > 0 dla każdego n. Wtedy dla dowolnego zdarzenia losowego A mamy P (A) = X P (A|Bn )P (Bn ). n∈T Wzór Bayesa: Niech {Bn , n ∈ T ⊂ N} będzie rozbiciem zbioru Ω takim, że P (Bn ) > 0 dla każdego n. Wtedy dla dowolnego zdarzenia losowego A takiego, że P (A) > 0, i dla każdego n ∈ T mamy P (A|Bn )P (Bn ) . P (Bn |A) = P (A) P (A) możemy wyliczyć z tw. o prawdopodobieństwem całkowitym. Przykłady do zad. 1.4 2 Definicja. Zdarzenia A i B z przestrzeni probabilistycznej (Ω, F, P ) nazywamy niezależnymi, gdy P (A ∩ B) = P (A)P (B). Własności zdarzeń niezależnych. 1. Jeśli A i B są niezależne i P (B) > 0, to P (A|B) = P (A). 2. Jeśli A ∩ B = ∅, P (A) > 0, P (B) > 0, to A i B nie są niezależne. 3. Jeśli A ⊂ B, P (A) > 0, P (B) < 1, to A i B nie są niezależne. 4. Jeśli A i B są niezależne, to niezależne są także zbiory • A i Bc, • Ac i B, • Ac i B c . 5. Jeżeli P (A) = 1, tzn. A jest zdarzeniem prawie pewnym, to A i dowolne zdarzenie B są niezależne. W szczególności, Ω i dowolne zdarzenie B są niezależne. 6. Jeżeli P (A) = 0, to A i dowolne zdarzenie B są niezależne. W szczególności, ∅ i dowolne zdarzenie B są niezależne. Definicja. Zdarzenia A, B i C z przestrzeni probabilistycznej (Ω, F, P ) nazywamy niezależnymi (wzajemnie niezależnymi), gdy P (A ∩ B ∩ C) P (A ∩ B) P (A ∩ C) P (B ∩ C) P (A)P (B)P (C), P (A)P (B), P (A)P (C), P (B)P (C). = = = = Definicja. Zdarzenia z rodziny A = {At , t ∈ T} z przestrzeni probabilistycznej (Ω, F, P ) nazywamy niezależnymi (wzajemnie niezależnymi), gdy dla dowolnego n ∈ N i dla dowolnych różnych t1 , t2 , . . . , tn ∈ T zachodzi P (At1 ∩ At2 ∩ . . . ∩ Atn ) = P (At1 )P (At2 ) . . . P (Atn ). A to rodzina zdarzeń niezależnych. Uwaga. Jeżeli dla dowolnych t1 , t2 ∈ T zachodzi P (At1 ∩ At2 ) = P (At1 )P (At2 ), to mówimy, że A jest rodziną zdarzeń parami niezależnych. Przykłady do zad. 1.5 3