Metody probabilistyczne Zmienna losowa Rodzaje zmiennych
Transkrypt
Metody probabilistyczne Zmienna losowa Rodzaje zmiennych
Zmienna losowa Zmienn losow nazywamy dowoln funkcj X okre lon na przestrzeni zdarze elementarnych Ω , o warto ciach ze zbioru R liczb rzeczywistych, maj c nast puj ce warto ci: dla dowolnej ustalonej liczby rzeczywistej x zbiór zdarze elementarnych ω, dla których spełniona jest nierówno X(ω) < x, jest zdarzeniem. Metody probabilistyczne Wykład 2: Zmienna losowa dyskretna Małgorzata Kr towska Wydział Informatyki Politechnika Białostocka 1 Rodzaje zmiennych losowych Poj cie dystrybuanty Dystrybuanta zmiennej losowej X - funkcja okre lona na całym zbiorze liczb rzeczywistych: F(x) = P(X<x), x ∈ R Rodzaje zmiennych losowych Zmienna dyskretna (skokowa) 2 Zmienna ci gła Funkcje opisuj ce rozkład zmiennej: Funkcje opisuj ce rozkład zmiennej: funkcja rozkładu prawdopodobie stwa funkcja g sto ci dystrybuata dystrybuanta Podstawowe własno ci: • 0 ≤ F(x) ≤ 1, dla ka dego x ∈R • limx→-∞ F(x)=0 i limx→+∞ F(x)=1 • funkcja niemalej ca • jest funkcj lewostronnie ci gł , czyli F(x0-0) = F(x0), dla ka dego x∈R 3 4 Funkcje opisuj ce rozkład zmiennej losowej dyskretnej Zmienna losowa dyskretna Zmienna losowa jest typu dyskretnego, je eli istnieje sko czony albo przeliczalny zbiór Wx={x1, x2, ..., xn} jej warto ci taki, e P(X=xi) = pi, i ∈ N Σi=1 pi = 1 gdzie górna granica sumowania wynosi n (zbiór sko czony) lub ∞ (zbiór przeliczalny). • Funkcja rozkładu prawdopodobie stwa: p(xi) = P(X=xi) = pi lub Przykłady: xi x1 x2 ... xn ... pi p1 p2 ... pn ... • Dystrybuanta F(x) = P(X<x) =Σ-∞<x(i)<x pi np. F(x2) = P(X<x2) = p1 5 Rozkłady zmiennej losowej dyskretnej (1) Rozkłady zmiennej losowej dyskretnej (2) • Rozkład równomierny (jednostajny) xi x1 x2 ... xn pi 1/n 1/n ... 1/n • Rozkład Bernoulliego (dwumianowy, binomialny) n k n−k P( X = k ) = p q = Cnk p k q n − k k gdzie k - liczba sukcesów w n próbach p - prawdopodobie stwo sukcesu q = 1-p Interpretacja: prawdopodobie stwo k sukcesów w n próbach • Rozkład zero-jedynkowy xi 0 1 pi q p 6 gdzie q=1-p 7 8 Rozkłady zmiennej losowej dyskretnej (3) Rozkłady zmiennej losowej dyskretnej (4) • Rozkład ujemny dwumianowy (rozkład Pascala) Pp ,l ( k ) = k − 1 l k −l p q = Ckl −−11 p l q k −l l −1 • Rozkład hipergeometryczny q=1-p P( X = k ) = Interpretacja: prawdopodobie stwo, e l-ty sukces nast pi w k-tej próbie. gdzie: • Rozkład geometryczny (Rozkład ujemny dwumianowy gdy l=1) Pp(k) = p (1- p)k-1 9 Rozkłady zmiennej losowej dyskretnej (5) • Rozkład Poissona (rzadkich zdarze ) P( X = k ) = e N −M k n−k N n = CMk C Nn −−kM C Nn k- liczba sukcesów (np. wylosowanie elementu maj cego cech A) n- liczba prób M- liczba elementów maj cych cech A N - liczba wszystkich elementów Interpretacja: prawdopodobie stwo k sukcesów w n próbach Interpretacja: prawdopodobie stwo, e pierwszy sukces nast pi w k-tej próbie. −λ M λk k! gdzie k=0, 1, 2. ...; λ=np. Interpretacja: prawdopodobie stwo k sukcesów w n próbach. Rozkład Poissona jest przybli eniem rozkładu Bernoulliego dla du ych prób: n k n−k λk lim p q = e −λ n →∞ k k! W praktyce wykorzystujemy go, gdy: n ≥ 50, p ≤ 0.1; np ≤ 10 11 10