Kopia wykład 2

background image

Biostatystyka,

# 2

/Biologia II-III/

dr n. mat. Zdzisław Otachel

Uniwersytet Przyrodniczy w Lublinie

Katedra Zastosowań Matematyki i Informatyki

ul. Akademicka 15, p.211A bud. Agro II,

e-mail: zdzislaw.otachel@up.lublin.pl

materiały: http://kzmi.up.lublin.pl/˜zotachel/Biol2i3

Lublin, 2014

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Elementy rachunku prawdopodobieństwa

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Wprowadzenie

Rachunek prawdopodobieństwa zajmuje się badaniem zjawisk
przypadkowych. W praktyce każdy proces czy doświadczenie jest
losowe, bo zależy od wielu przyczyn, z których tylko część udaje się
kontrolować. Dwa doświadczenia uznamy za identyczne, jeśli mają
te same zbiory kontrolowanych przyczyn. Wyniki doświadczeń
nazywamy zdarzeniami. Zjawiska polegające na przeprowadzaniu
lub przebieganiu dużej liczby tych samych doświadczeń nazywamy
zjawiskami masowymi. Takie zjawisko nie zależy od indywidualnych
własności obiektu. Zjawiska masowe mają swoje prawidłowości.
Jeżeli przeprowadzamy N razy to samo doświadczenie i n razy
zaszło zdarzenie A, to stosunek n/N nazywamy częstością
zdarzenia A w tym doświadczeniu. W zjawiskach masowych
częstości zdarzeń mają własność skupiania się (wraz ze wzrostem
N) wokół tej samej liczby zależnej od zdarzenia. Dla ustalonego
zdarzenia A oznaczymy ją przez P(A) i nazwiemy
prawdopodobieństwem tego zdarzenia. Jest to treść tzw.
statystycznej definicji prawdopodobieństwa

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

W tabeli podane są częstości otrzymania orła w przeprowadzonej
jeden raz serii 10000 rzutów monetą.

Liczba rzutów N

Liczba n pojawień się orła

Częstość n/N

200

116

0,5800

300

153

0,5100

500

251

0,5020

1000

504

0,5040

2000

1002

0,5010

5000

2529

0,5058

10000

4982

0,4982

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Widać, że n/N 1/2, gdy N rośnie.
Na początku XVIII w. Bernoulli udowodnił, że przy dużej liczbie
doświadczeń, z praktyczną pewnością, częstość względna zdarzenia
n/N różni się mało od prawdopodobieństwa tego zdarzenia.

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Pojęcia podstawowe

Doświadczenie losowe – proces przyrodniczy lub zaplanowany
eksperyment, którego wyniku nie można przewidzieć, natomiast
znany jest zbiór wszystkich wyników.

Przykład 1

Doświadczeniem losowym jest wylosowanie obiektu z ustalonej
populacji i dokonanie pomiaru interesujących nas cech.
W praktyce, wynikami eksperymentów losowych będą liczby, pary
liczb, trójki liczb rzeczywistych itd.

Zdarzenie elementarne – pojedyńczy wynik eksperymentu losowego.
Przestrzeń zdarzeń elementarnych – zbiór wszystkich zdarzeń
elementarnych.
Zdarzenie losowe (w skrócie: zdarzenie) – zbiór złożony ze zdarzeń
elementarnych, najczęściej opisany przez spełnienie pewnych
warunków.
Uwaga: nie każdy podzbiór przestrzeni zdarzeń elementarnych musi
być zdarzeniem losowym.

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Oznaczenia i nomenklatura

D – doświadczenie losowe (eksperyment);

Ω - przestrzeń zdarzeń elementarnych;

ω - zdarzenie elementarne;

Ω =

1

, ω

2

. . . , ω

n

} – przestrzeń zdarzeń elementarnych

składająca się z n możliwych wyników : ω

1

, ω

2

. . . , ω

n

;

A, B, C , . . . - zdarzenia losowe;

zapis ω ∈ A (mat.: ω jest elementem zbioru A) czytamy:
zdarzenie elementarne ω sprzyja zdarzeniu A, tzn. jeżeli w
wyniku eksperymentu losowego dostaniemy wynik ω, to
powiemy zaszło zdarzenie A.

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Klasa zdarzeń losowych

Klasę zdarzeń losowych oznaczymy przez S.

∈ S, zdarzenie pewne, zachodzi zawsze;

∅ ∈ S, zdarzenie niemożliwe, nigdy nie zachodzi;

jeżeli A

i

∈ S, to C = A

1

A

2

∪ · · · ∈ S, zdarzenie C

nazywamy sumą (alternatywą) zdarzeń A

i

, C zachodzi, gdy

zachodzi co najmniej jedno ze zdarzeń A

i

;

jeżeli A

i

∈ S, to D = A A

2

∩ · · · ∈ S, zdarzenie D

nazywamy iloczynem (koniunkcją) zdarzeń A

i

, D zachodzi,

gdy zachodzi każde ze zdarzenie A

i

;

jeżeli A ∈ S, to A

0

:= Ω \ A ∈ S, zdarzenie A

0

nazywamy

zdarzeniem przeciwnym do zdarzenia A, A

0

zachodzi, gdy nie

zachodzi zdarzenie A;

w szczególności: jeżeli A, B ∈ S, to E = A \ B ∈ S, zdarzenie
E nazywamy różnicą zdarzeń A i B, E zachodzi, gdy zachodzi
zdarzenie A i nie zachodzi zdarzenie B.

Klasę S nazywamy σ-ciałem zdarzeń.

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Klasyczna definicja prawdopodobieństwa

Definicja 1 (Pierre Simon de Laplace, 1812)

Jeżeli przestrzeń zdarzeń elementarnych jest zbiorem skończonym,
złożonym z
N zdarzeń elementarnych, to

P(A) =

n

N

,

n jest ilością zdarzeń elementarnych sprzyjających zdarzeniu A.

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Przykład 2

1. Prawdopodobieństwo wyrzucenia orła przy jednokrotnym rzucie
monetą:
1/2;
2. Prawdopodobieństwo wyrzucenia co najmniej 3 oczek przy
jednokrotnym rzucie sześcienną kostką do gry:
4/6;
3. Prawdopodobieństwo wylosowania figury z talii 52 kart do gry:
16/52.
4. Prawdopodobieństwo głównej wygranej w ”totka”:

1/(

49

6

) = 1/13983836.

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Geometryczna definicja prawdopodobieństwa

Definicja 2

Niech A R

p

. Prawdopodobieństwo tego, że dowolny punkt

należący do będzie należał również do A wynosi:

m

p

(A)

m

p

(Ω)

,

gdzie m

p

jest miarą na przestrzeni R

p

, w szczególności m

1

jest

długością, m

2

- polem, a m

3

- objętością.

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Przykład 3

Na ulicy znajdują się 2 bankomaty. Każdy z nich wymaga obsługi
(jest niefunkcjonalny) przez 30min na dobę. Moment rozpoczęcia
obsługi jest losowy. Jakie jest prawdopodobieństwo, że urządzenia
będą niefunkcjonalne w tej samej chwili (- konflikt)?

x - moment rozpoczęcia obsługi 1-go bankomatu,
y - moment rozpoczęcia obsługi 2-go bankomatu,
Ω = {0 ¬ x , y ¬ 24}, m

2

(Ω) = 24

2

,

A - konflikt, A = {(x , y ) : 0 ¬ x , y ¬ 24, |x y | ¬ 0, 5},
m

2

(A) = 24

2

23, 5

2

.

Stąd

m

2

(A)

m

2

(Ω)

= 1



47
48



2

4, 12%.

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Aksjomatyczna definicja prawdopodobieństwa

Definicja 3 (Andrej Nikołajewicz Kołmogorow, 1933)

Niech będzie dana przestrzeń zdarzeń elementarnych i σ-ciało
zdarzeń losowych S. Prawdopodobieństwem (miarą/rozkładem
prawdopodobieństwa) nazywamy rzeczywistą funkcję
P określona
na klasie zdarzeń S spełniającą aksjomaty:

Aksjomat I

0 ¬ P(A), A ∈ S

Aksjomat II

P(Ω) = 1,

Aksjomat III

P(A

1

A

2

∪ . . . ) = P(A

1

) + P(A

2

) + . . . dla

dowolnych zdarzeń A

i

wykluczających się parami, tj.

A

i

∈ S, A

i

A

j

= ∅, i 6= j .

Trójkę (Ω, S, P) nazywamy przestrzenią probabilistyczną.

Definicja aksjomatyczna określa jak zbudować matematyczny
model prawdopodobieństwa dla zdarzeń w rozpatrywanym
doświadczeniu, analiza statystyczna - który z dopuszczalnych
modeli wybrać.

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Własności prawdopodobieństwa

Niech (Ω, S, P) będzie przestrzenią probabilistyczną i A, B, C ∈ S.

0 ¬ P(A) ¬ 1;

P() = 0,

P(A

0

) = 1 P(A);

Jeżeli A pociąga B (A B), to P(A) ¬ P(B) oraz
P(B \ A) = P(B) P(A);

P(A B) = P(A) + P(B) P(A B),
P(A B C ) = P(A) + P(B) + P(C ) P(A B) P(B
C ) P(A C ) + P(A B B C ).

Zauważmy, że jeżeli utożsamimy przestrzeń zdarzeń elementarnych
Ω z figurą na płaszczyźnie o polu 1, to prawdopodobieństwo ma
analogiczne własności jak pole figur będących częścią tej
przestrzeni.

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Informacja a prawdopodobieństwo

Informacja o zajściu zdarzenia B ma wpływ na wartość obliczanego
prawdopodobieństwa zdarzenia A.

Przykład 4

D polega na jednokrotnym rzucie sześcienną kostką do gry.
Zdarzenie
A to parzysta liczba oczek, P(A) = 1/2 wg. klasycznej
definicji .
Przypuśćmy, że eksperymentator wykonał doświadczenie D w
zamkniętym pokoju, po czym przekazał nam informację
B
wypadło więcej niż 3 oczka.
Jest to nowy eksperymet losowy. Oznaczymy go D

|B

zajście

zdarzenia A w tym eksperymencie oznaczymy A/B. Zdarzeniu A/B
sprzyja 2 spośród 3 możliwych wyników, stąd P(A/B) = 2/3.
Z drugiej strony:
P(B) = 1/2, P(A B) = 2/6, stąd

P(A/B) = 2/3 =

2/6
1/2

=

P(AB)

P(B)

.

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Prawdopodobieństwo warunkowe

Definicja 4

Niech (Ω, S, P) będzie przestrzenią probabilistyczną związaną z
eksperymentem D,
B ∈ S, P(B) > 0. Prawdopodobieństwo
zdarzeń w eksperymencie D

|B

, zwane prawdopodobieństwem

warunkowym, określa wzór:

P(A/B) =

P(A B)

P(B)

, A ∈ S.

Zdarzenie B będzie nazywane warunkiem.

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Zdarzenia niezależne

Jeżeli zajście jakiegoś zdarzenia nie zmienia prawdopodobieństwa
zajścia innego, to o takich zdarzeniach mówi się, że są to zdarzenia
niezależne
. Zdarzenia A i B z poprzedniego przykładu takie nie są.
Bardziej ściśle:

Definicja 5

Zdarzenia A i B są niezależne, jeżeli P(A B) = P(A) · P(B).

Jeżeli A i B są niezależne, to przy założeniu P(A) 6= 0 i P(B) 6= 0
otrzymujemy:

P(A/B) = P(A), P(B/A) = P(B).

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Prawdopodobieństwo całkowite - przykład

Przykład 5

O pewnej populacji złożonej z dwóch różnych rodzajów obiektów
(
A) i (B) w proporcji k/m wiadomo, że własność W wykazuje p%
obiektów A i q% obiektów B. Jakie jest prawdopodobieństwo, że
wybierając losowo obiekt z tej populacji trafimy na taki z
własnością
W ?

P(W ) =

p

100

·

k

k + m

+

q

100

·

m

k + m

= P(W /A)·P(A)+P(W /B)·P(B).

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Wzór na prawdopodobieństwo całkowite

Bardziej ogólnie:
Niech H

1

, H

2

, . . . , H

n

będzie układem zdarzeń wykluczających się

parami, których suma jest zdarzeniem pewnym tj.:

H

i

H

j

= ∅, i 6= j ,

H

1

H

2

∪ · · · ∪ H

n

= Ω.

Wtedy dla dowolnego zdarzenia A:

P(A) = P(A/H

1

) · P(H

1

) + · · · + P(A/H

n

) · P(H

n

).

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Wzór Bayesa

Załóżmy, że zdarzenie A może zaistnieć wtedy i tylko wtedy, gdy
zaistnieje jedno z jedynie możliwych i wzajemnie wykluczających
się zdarzeń H

1

, H

2

, . . . , H

n

tj.:

H

i

H

j

= ∅, i 6= j ,

H

1

H

2

∪ · · · ∪ H

n

= Ω.

Nazwijmy zdarzenie A skutkiem, a zdarzenia H

1

, H

2

, . . . , H

n

przyczynami. W wyniku zaistnienia jednej z przyczyn
zaobserwowaliśmy zajście skutku A. Znając a priori
prawdopodobieństwa zaistnienia przyczyn - P(H

i

) i

prawdopodobieństwa zaistnienia skutku A w wyniku działania
przyczyny H

i

- P(A/H

i

) chcemy znać odpowiedź na pytanie: jakie

jest prawdopodobieństwo, że to przyczyna H

i

doprowadziła do

skutku A. Odpowiedź daje wzór Bayesa:

P(H

i

/A) =

P(A/H

i

) · P(H

i

)

P(A/H

1

) · P(H

1

) + · · · + P(A/H

n

) · P(H

n

)

.

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Schemat Bernoulliego

Mówimy, że ciąg (seria) niezależnych doświadczeń jest schematem
Bernoulliego
, jeżeli:

każde doświadczenie (zwane próbą) może zakończyć się
jednym z wyników: zdarzeniem A – zwanym sukcesem, lub
zdarzeniem przeciwnym A

0

– porażką,

prawdopodobieństwo sukcesu w pojedynczym doświadczeniu
jest stałe i równe p.

Wtedy prawdopodobieństwo, że schemacie n prób Bernoulliego
sukces pojawi się dokładnie k razy, określa wzór:

P

n,k

= (

n
k

)p

k

(1 p)

nk

, k = 0, 1, 2, . . . , n,

gdzie: (

n
k

) =

n!

k!(nk)!

jest symbolem Newtona, a n! = 1 · 2 · · · · · n

(n!: czytamy n silnia) przy czym 0! = 1.

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/

background image

Przykład schematu Bernoulliego

Przykład 6

Klasycznym przykładem schematu Bernoulliego jest seria rzutów
monetą. Np. prawdopodobieństwo, że w serii
n = 8 rzutów monetą
orzeł pojawi się
k = 4 jest równe:



8
4





1

2



4



1

2



4

=

8 · 7 · 6 · 5

1 · 2 · 3 · 4

·

1

16

·

1

16

=

70

256

0, 273.

dr n. mat. Zdzisław Otachel

Biostatystyka, # 2 /Biologia II-III/


Wyszukiwarka

Podobne podstrony:
Kopia Wykład 6 folie (word 97-2003), Studia - Gospodarka Przestrzenna UEP, I stopień, III semestr, F
Kopia Wyklad 2 09 03 2012 dla studenta
Kopia Wyklad 2 , Biomedyczne p Nieznany
Kopia Wykład ?rmacja (2 XI 2010 r )
Sieci logistyczne 09.04.2011 kopia wykład 1, studia, sieci logistyczne
Kopia 6 Wykład Infrastruktura pr log
samokształcenie - Podstawy pielęgniarstwa stacj. 30h rekrutacja 2009 10 - Kopia, wykłady
samokształcenie - Podstawy pielęgniarstwa stacj. 30h rekrutacja 20010 11 - Kopia, wykłady
Kopia wyklad 6 7
Kopia wyklady
Kopia Wykład 8
Kopia Wykład 6 folie (word 97-2003), Studia - Gospodarka Przestrzenna UEP, I stopień, III semestr, F
Kopia Wyklad 3 Zalozenia spoleczno regulacyjnej teorii kultury
Kopia Wyklad I Zadania dane
Kopia Wyklad VI Hedging with Contracts

więcej podobnych podstron