Statystyka II -1
1
Statystyka - SUM
dr hab. inż. Marek Pawełczyk
prof. WSEiA
Statystyka II -1
2
Podstawowe pojęcia kombinatoryki (1)
Niech będzie dany zbiór n różnych elementów {a
1
, a
2
, a
3
, ... , a
n
}
Permutacją bez powtórzeń nazywamy każde uporządkowanie
elementów tego zbioru, w którym każdy element występuje
tylko raz. Liczba wszystkich permutacji n-elementowego zbioru
jest równa
P
n
= n! = 1 · 2 · 3 · ... ·n
Permutacją z powtórzeniami z n-elementowego zbioru
nazywamy zbiór składający się z n uporządkowanych
elementów, wśród których pewne elementy powtarzają się
odpowiednio n
1
, n
2
, ... , n
k
razy. Liczba takich permutacji jest
równa:
Wariacją bez powtórzeń z n elementów po k (k n) nazywamy
uporządkowany podzbiór składający się z k różnych elementów
wybranych spośród n różnych elementów.Liczba wariacji bez
powtórzeń z n elementów po k jest równa
!
!...
!
!
2
1
,
,
,
2
1
k
n
n
n
n
n
n
n
n
P
k
)
1
)...(
2
)(
1
(
)!
(
!
k
n
n
n
n
k
n
n
V
k
n
Statystyka II -1
3
Podstawowe pojęcia kombinatoryki (2)
• Wariacje różnią się między sobą bądź elementami, bądź
porządkiem. Jeśli pobieranie elementów do próby jest bez
zwracania, tzn. uwzględ-nia się porządek elementów w
próbce, to liczba V
nk
określa liczbę próbek o liczebności k,
pobranych z n-elementowej zbiorowości.
• Wariacją z powtórzeniami z n elementów po k nazywamy
uporząd-kowany podzbiór, składający się z k elementów,
różnych lub nie róż-niących się między sobą (elementy mogą
się powtarzać), wybranych spośród n różnych elementów.
Liczba wariacji z powtórzeniami z n po k jest równa:
i określa ilość k-elementowych próbek pobranych z n-
elementowej zbiorowości, jeśli pobieranie elementów do
próby jest ze zwracaniem.
• Kombinacją bez powtórzeń z n elementów po k nazywamy
podzbiór składający się z k różnych elementów wybranych
spośród n różnych elementów bez uwzględniania ich
porządku.
• Liczba kombinacji bez powtórzeń z n po k jest równa:
k
k
n
n
V
)!
(
!
!
k
n
k
n
k
n
C
k
n
Statystyka II -1
4
Podstawowe pojęcia kombinatoryki (3)
• Kombinacje można traktować jako nieuporządkowane k-
elementowe próbki z n-elementowej populacji, pobierane bez
zwracania elemen-tów, różniące się wyłącznie składem
elementów, a nie ich porządkiem.
• Liczba sposobów, za pomocą których zbiór n-elementowy można
podzielić na k grup, przy czym pierwsza grupa ma r
l
elementów,
druga r
2
elementów itd. oraz r
1
+r
2
+ ... +r
k
= n, jest równa:
• Wyrażenie to można również interpretować jako liczbę
możliwych spo-sobów rozmieszczenia n elementów w k
komórkach, przy czym w pierwszej jest r
1
elementów, w drugiej
r
2
i w k-tej r
k
elementów.
• Kombinacją z powtórzeniami z n elementów po k nazywamy
zbiór składający się z k elementów, różniących się między sobą
lub nie, wybranych spośród n różnych elementów, przy czym
porządek, w jakim występują elementy, jest nieistotny. Liczba
takich kombinacji wyraża się wzorem:
!
!
!
!
)
(
2
1
1
2
1
2
1
1
k
k
k
r
r
r
n
r
r
r
r
n
r
r
n
r
n
1
1
1
n
k
n
k
k
n
C
k
n
Statystyka II -1
5
Podst. pojęcia kombinatoryki (4). Algebra
zdarzeń
• Kombinacje z powtórzeniami z n- elementów można interpretować
jako k-elementowe próby pobierane ze zwracaniem z n-
elementowej populacji, przy czym kolejność elementów w próbie
jest nieistotna. Kombinacje z powtórzeniami można także
przedstawić jako rozmiesz-czenie k nierozróżnialnych elementów
w n komórkach (szufladach) w taki sposób, że w jednej szufladzie
może być kilka elementów.
• Niech E oznacza przestrzeń zdarzeń elementarnych. W
zagadnieniach praktycznych przez E rozumie się zbiór wszystkich
niepodzielnych wyników obserwacji czy doświadczenia. Przestrzeń
E może zawierać skończoną lub nieskończoną ilość elementów.
• Jesti E zawiera skończoną lub przeliczalną liczbę elementów,
to każdy podzbiór E nazywa się zdarzeniem losowym.
• Niech E zawiera n elementów, wówczas wszystkich zdarzeń
losowych jest 2", w tym C
nk
; k = 0,..., n zdarzeń k-elementowych.
• Zdarzenie losowe V, nie zawierające żadnego zdarzenia
elementarnego, nazywa się zdarzeniem niemożliwym.
• Zdarzenie losowe U zawierające wszystkie elementy przestrzeni
zdarzeń elementarnych nazywa się zdarzeniem pewnym.
Statystyka II -1
6
Algebra zdarzeń (2)
• Jeśli E zawiera nieskończoną liczbę elementów, to
zdarzeniem losowym nazywamy każdy element borelowskiego
ciala zdarzeń Z. Aby zdefiniować borelowskie ciało zdarzeń,
należy określić działania na zdarzeniach. Wszystkie działania
na zdarzeniach można definiować jak działania na zbiorach.
• Sumą zdarzeń A i B nazywamy zdarzenie A B zawierające
wszystkie te zdarzenia elementarne, które należą do A lub B.
Sumą zdarzeń A B jest więc zdarzenie polegające na tym, że
zajdzie przynajmniej jedno ze zdarzeń.
• Iloczynem zdarzeń A i B nazywamy zdarzenie A B
zawierające wszystkie te zdarzenia elementarne, które należą
do A i do B. Iloczyn zdarzeń A
B polega na tym, że zajdą
równocześnie i zdarzenie A, i zdarzenie B.
• Różnicą zdarzeń A i B nazywamy zdarzenie A — B,
składające się z tych zdarzeń elementarnych, które należą do
A i nie należą do B. A więc różnica zdarzeń A — B polega na
tym, że zajdzie zdarzenie A i równocześnie nie zajdzie
zdarzenie B.
Statystyka II -1
7
Algebra zdarzeń (2)
• Zdarzeniem przeciwnym do A nazywamy zdarzenie A’ zawierające
wszystkie te zdarzenia elementarne, które nie należą do A, tzn.
A’ = E—A.
• Zdarzenie A implikuje zdarzenie B (pociąga za sobą), jeżeli A B,
tzn. wszystkie zdarzenia elementarne należące do A należą również do
B.
• Zdarzenia A i B są równoważne, czyli A = B, jeśli A B i B A.
• Prawa de Morgana:
(A B)’ = A’ B’
(A B)’ = A’ B’
• Zdarzenia A i B wykluczają się nawzajem (wyłączają się), jeśli A B
= V.
• Zdarzenia A i B są zdarzeniami przeciwnymi, jeśli A B = U i A
B = V lub inaczej: A A’ = U, A A’ = V.
• Zdarzenia przeciwne są szczególnym przypadkiem tzw. zupełnego
układu zdarzeń.
• Zdarzenia A
l
, A
2
,..., A
n
tworzą zupełny układ zdarzeń, jeśli A
i
A
j
= V
dla
ij, i, j = l, ..., n oraz A
1
A
2
... A
n
= U.
Statystyka II -1
8
Diagramy Eulera
Statystyka II -1
9
Borelowskie ciało zdarzeń
• Borelowskie ciało zdarzeń Z jest to
najmniejszy zbiór podzbiorów przestrzeni E
spełniający warunki:
1° U Z,
2° V Z,
3° suma przeliczalnej liczby zdarzeń
należących do Z również należy do Z,
4° różnica dowolnej pary zdarzeń należących
do Z również należy do Z,
5° iloczyn przeliczalnej liczby zdarzeń
należących do Z również należy do Z.
Statystyka II -1
10
Aksjomatyczna definicja
prawdopodobieństwa(1)
• Jeśli E oznacza przestrzeń zdarzeń elementarnych, a Z
borelowskie ciało zdarzeń utworzone z podzbiorów tej
przestrzeni, to każdemu zdarzeniu losowemu AZ można
przypisać pewną miarę P(A), zwaną prawdopodobieństwem
zdarzenia A. Trójkę (E, Z, P) określa się mianem
przestrzeni (lub trójki) probabilistycznej.
• Własności, jakimi powinna się charakteryzować miara P
(A), precyzuje następujący układ pewników tworzących tzw.
aksjomatyczną definicję prawdopodobieństwa:
• 1° Każdemu zdarzeniu AZ można przypisać liczbę P(A),
zwaną prawdopodobieństwem zdarzenia A, taką, że 0
P(A) 1.
• 2° Prawdopodobieństwo zdarzenia pewnego równa się
jedności, tzn. P(U) = 1.
• 3° Prawdopodobieństwo sumy skończonej lub przeliczalnej
liczby zdarzeń wykluczających się parami równa się sumie
prawdopodo-bieństw tych zdarzeń, czyli
, jeśli A
i
A
j
=V, i, j =1,2, ....
i
i
i
i
A
P
A
P
Statystyka II -1
11
Aksjomatyczna definicja prawdopodobieństwa (c.d.)
Z aksjomatycznej definicji prawdopodobieństwa
wynikają następujące
własności prawdopodobieństwa:
• Suma prawdopodobieństw zdarzenia losowego A i zdarzenia przeciw-
nego A równa się jedności. Stąd wynika, że P(A’) = 1 – P(A).
• Prawdopodobieństwo zdarzenia niemożliwego równa się zero, P(V) =
0.
• Jeśli zdarzenie A implikuje zdarzenie B, to prawdopodobieństwo
zdarzenia A jest nie większe od prawdopodobieństwa zdarzenia B, czyli
• jeśli A B, to P(A) < P(B).
Klasyczna definicja prawdopodobieństwa
Jeśli przestrzeń zdarzeń elementarnych E zawiera n jednakowo
możliwych zdarzeń elementarnych, spośród których n
A
sprzyja zajściu
danego zdarzenia A, to prawdopodobieństwem P (A) zdarzenia A jest
ułamek:
Z definicji tej można korzystać wówczas, gdy przestrzeń E zawiera
skończoną liczbę zdarzeń elementarnych, czyli gdy n
A
i n są skończone.
n
n
A
P
A
Statystyka II -1
12
Prawdopodobieństwo
warunkowe(1)
• Niech P(A/B) oznacza prawdopodobieństwo warunkowe
zdarzenia A, obliczone przy założeniu, że nastąpiło zdarzenie
B. Jeśli P(B) > 0, to z definicji:
• Prawdopodobieństwo warunkowe P(A/B) można obliczyć
również z klasycznej definicji prawdopodobieństwa
uwzględniając, że liczba wszystkich możliwych zdarzeń zostaje
zawężona do zdarzeń sprzyjających zajściu B, wśród których
poszukuje się zdarzeń sprzyjających zajściu zdarzenia A.
• Warunkowe zdarzenie losowe A/B oznacza iloczyn AB, gdy
nową przestrzenią zdarzeń elementarnych jest E
1
= B.
• Korzystając z definicji prawdopodobieństwa warunkowego
można podać wzór na prawdopodobieństwo iloczynu zdarzeń:
P(AB) = P(A)·P(B/A) = P(B) P(A/B)
• Dla n zdarzeń: P(A
1
A
2
... A
n
) = P(A
1
)·P(A
2
/A
1
)·P(A
3
/A
1
A
2
)...
... P(A
n
/A
1
A
2
A
3
... A
n-1
)
)
(
)
(
)
/
(
B
P
B
A
P
B
A
P
Statystyka II -1
13
Prawdopodobieństwo
warunkowe (2)
• Zdarzenia A i B są niezależne, jeśli zajście jednego ze
zdarzeń nie ma wpływu na prawdopodobieństwo zajścia
drugiego z nich, tzn. jeśli
P(A/B) = P(A) lub P(B) = P(B/A).
• Tak więc dla zdarzeń niezależnych:
P(AB) = P(A) · P(B)
(*)
• Jeśli zdarzenia A i B są niezależne, to A’ i B’ są również
niezależne.
• Prawdopodobieństwo sumy dwóch dowolnych zdarzeń
znajdujemy korzystając z wzoru:
P(AB) = P(A) + P(B) - P(AB) (**)
P(A B) obliczamy korzystając z klasycznej definicji
prawdopodo-bieństwa lub z wzoru (**), gdy zdarzenia A i B są
zależne, lub też z wzoru (*), gdy zdarzenia są niezależne.
• Jeśli zdarzenia A i B wykluczają się nawzajem, czyli A B
= V, to:
P(A B) = P(A) + P(B)
Statystyka II -1
14
Prawdopodobieństwo
warunkowe (3)
• Prawdopodobieństwo sumy trzech dowolnych zdarzeń
obliczamy według wzoru P(A B C) = P(A) + P(B) + P(C)
+
–
P(A
B) - P(B
C) - P(A
C) + P(A
B
C).
• Jeśli zdarzenia A
1
,
,
..., A
n
są niezależne, to
prawdopodobieństwo, że zajdzie przynajmniej jedno z tych
zdarzeń, oblicza się korzystając z wzoru:
• P(A
1
A
2
... A
n
) = l - P(A
1
A
2
... A
n
)’ =
= l – P(A
1
’)·P(A
2
’)·...·P(A
n
’)
• Przy obliczaniu prawdopodobieństwa sumy zdarzeń jest
istotne, czy są to zdarzenia wykluczające się czy też nie.
• Obliczając prawdopodobieństwo iloczynu zdarzeń należy
uwzględnić to, czy zdarzenia są zależne czy też niezależne.
Statystyka II -1
15
Prawdopodobieństwo całkowite
• Niech zajście zdarzenia A będzie uwarunkowane zajściem
jednego spośród n wzajemnie wykluczających się zdarzeń B
i
(i = l, 2 , ..., n), wyczerpujących całą przestrzeń zdarzeń
elementarnych E, przy czym P(B
i
) > 0, wówczas
Prawdopodobieństwa P (B
i
) noszą nazwę prawdopodobieństw
a priori i odgrywają ważną rolę w zagadnieniach dotyczących
podejmowania decyzji w warunkach niepewności.
n
i
i
i
B
A
P
B
P
A
P
1
)
/
(
)
(
)
(
Statystyka II -1
16
Wzór Bayesa (prawdopodobieństwo a
posteriori)
• Załóżmy, że zdarzenie A zrealizowało się. Odpowiedź na
pytanie, jakie będzie teraz prawdopodobieństwo każdego ze
zdarzeń B
t
, daje wzór Bayesa, określany również mianem
wzoru na prawdopodobieństwo
a posteriori, czyli prawdopodobieństwo po nastąpieniu
zdarzenia A. Wzór ten ma postać:
• Twierdzenie Bayesa określa, w jaki sposób
prawdopodobieństwa
a priori danych zdarzeń mogą i powinny być modyfikowane na
podstawie dodatkowych informacji, tak, aby powstała nowa
ocena prawdopodobieństwa zajścia tych zdarzeń w postaci
prawdopodobieństw a posteriori.
n
i
i
i
i
i
i
i
i
B
A
P
B
P
B
A
P
B
P
A
P
B
A
P
B
P
A
B
P
1
)
/
(
)
(
)
/
(
)
(
)
(
)
/
(
)
(
)
/
(