1
PODSTAWY BIOSTATYSTYKI dla ZB III
dr in˙z Krzysztof Bry´s
Wyk lad 1
Klasyczny Rachunek Prawdopodobie´
nstwa.
1. Poj¸ecia wst¸epne.
Do´swiadczeniem losowym nazywamy do´swiadczenie, kt´orego wynik nie jest znany. Posiadamy jedynie
informacje o zbiorze mo˙zliwych wynik´ow tego do´swiadczenia. Wynik do´swiadczenia losowego wykluczaj¸acy
inne mo˙zliwe wyniki nazywamy zdarzeniem elementarnym.
UWAGA: Zak lada si¸e, ˙ze w wyniku do´swiadczenia losowego zachodzi dok ladnie jedno zdarzenie elemen-
tarne.
Zbi´or wszystkich zdarze´n losowych nazywamy przestrzeni¸a zdarze´n elementarnych i oznaczamy przez Ω.
Zdarzeniem losowym nazywamy dowolny wynik do´swiadczenia losowego. Ka˙zde zdarzenie losowe jest
zbiorem zdarze´n elementarnych
UWAGA: Je˙zeli Ω jest zbiorem sko´nczonym lub przeliczalnym, to zdarzeniem losowym jest dowolny
podzbi´or zbioru Ω
Zdarzenie ∅ nazywamy zdarzeniem niemo˙zliwym.
Zdarzenie Ω nazywamy zdarzeniem pewnym.
Zdarzenie A = Ω \ A nazywamy zdarzeniem przeciwnym do A.
Je˙zeli dla dw´och zdarze´n A i B zachodzi A ∩ B = ∅, to m´owimy, ˙ze zdarzenia te wykluczaj¸a si¸e (s¸a
roz l¸aczne).
Przyk lady. Zdarzenie A = miesi¸ac kwiecie´n ma 31 dni jest zdarzeniem niemo˙zliwym. Zdarzenie B =
miesi¸ac kwiecie´n ma 30 dni jest zdarzeniem pewnym. Zdarzeniem przeciwnym do C = dzisiaj jest niedziela
jest zdarzenie C = dzisiaj jest inny dzie´n tygodnia ni˙z niedziela.
Przyk lad. Rozwa˙zmy do´swiadczenie losowe polegaj¸ace na jednokrotnym rzucie monet¸a. Przestrze´n
zdarze´n elementarnych sk lada sie z dw´och element´ow, zdarzenia ω
O
polegajacego na wypadni¸eciu or la i ω
O
,
kt´ore oznacza wypadni¸ecie reszki. Wypiszmy wszystkie mo˙zliwe podzbiory zbioru Ω (zdarzenia losowe):
A
1
= Ω = {ω
O
, ω
R
}, A
2
= {ω
O
}, A
3
= {ω
R
}, A
4
= ∅.
Zdarzenie A
1
polega na wypadni¸eciu or la lub reszki. Jest to zdarzenie pewne. Zdarzenie A
4
polegaj¸ace
na niewypadni¸eciu ani or la ani reszki nie mo˙ze zaj´s´c w wyniku naszego do´swiadczenia losowego. Jest to
zdarzenie niemo˙zliwe. Zdarzeniem przeciwnym do A
2
- wypad l orze l jest zdarzenie A
3
- wypad la reszka.
Zwr´o´cmy uwag¸e na to, ˙ze A
2
∪A
3
= Ω (w wyniku rzutu monet¸a wypadnie orze l lub reszka) oraz A
2
∩A
3
= ∅
(nie mo˙ze wypa´s´c jednocze´snie orze l i reszka).
2. Klasyczna definicja prawdopodobie´
nstwa.
Niech Ω b¸edzie zbiorem sko´nczonym, to znaczy Ω = {ω
1
, ω
2
. . . , ω
N
}. Dla dowolnego zdarzenia
A ⊆ Ω takiego, ˙ze A = {ω
i
1
, ω
i
2
, . . . , ω
i
k
}, gdzie i
1
, i
2
, . . . , i
k
∈ {1, 2, . . . N }, definiuje si¸e funkcj¸e praw-
dopodobie´nstwa w nast¸epuj¸acy spos´ob:
P (A) = P ({ω
i
1
}) + P ({ω
i
2
}) + . . . + P ({ω
i
k
}).
W przypadku, gdy zdarzenia elementarne s¸a jednakowo prawdopodobne, to znaczy P (ω
1
) = P (ω
2
) = . . . =
P (ω
N
) =
1
N
, otrzymujemy nast¸epuj¸acy wz´or:
P (A) =
|A|
|Ω|
=
k
N
=
liczba zdarze´n elementarnych sprzyjaj¸acych zdarzeniu A
liczba wszystkich zdarze´n elementarnych
.
Powy˙zsza definicja prawdopodobie´nstwa nie jest poprawna w og´olno´sci, gdy˙z zbi´or Ω nie musi by´c sko´nczony
a zdarzenia elementarne nie musz¸a by˙c jednakowo prawdopodobne.
2
3. Aksjomatyczna definicja prawdopodobie´
nstwa.
Niech Ω b¸edzie przestrzeni¸a zdarze´n elementarnych, Z zbiorem zdarze´n losowych.
Funkcj¸a prawdopodobie´nstwa nazywamy funkcj¸e P : Z → [0, 1] spe lniaj¸ac¸a nast¸epuj¸ace trzy aksjomaty:
P 1) P (A) ≥ 0 dla ka˙zdego A ∈ Z,
P 2) P (Ω) = 1
P 3) je˙zeli A
1
, A
2
, . . . , A
n
. . . jest ci¸agiem zdarze´n roz l¸acznych (to znaczy A
i
∩ A
j
= ∅ dla i 6= j), to
P (A
1
∪ A
2
∪ . . . ∪ A
n
∪ . . .) = P (A
1
) + P (A
2
) + . . . + P (A
n
) + . . .
Warto´s´c funkcji P na zbiorze A nazywamy prawdopodobie´nstwem zdarzenia A
4. W lasno´sci funkcji prawdopodobie´
nstwa.
1. P (∅) = 0.
2. Je´sli A ⊆ B, to P (A) ≤ P (B).
3. Dla dowolnego A ⊆ Ω P (A) ≤ 1.
4. Je´sli A ⊆ B, to P (B \ A) = P (B) − P (A).
5. Dla dowolnego A ⊆ Ω P (A) + P (A) = 1.
6. P (A ∪ B) = P (A) + P (B) − P (A ∩ B).
7. Je˙zeli zdarzenia A
1
, A
2
, . . . , A
n
s¸a parami roz l¸aczne, to P (A
1
∪ A
2
∪ . . . ∪ A
n
) = P (A
1
) + P (A
2
) +
. . . + P (A
n
).
5. Prawdopodobie´
nstwo warunkowe i niezale˙zno´s˙c.
Prawdopodobie´nstwo zaj´scia zdarzenia A pod warunkiem, ˙ze zasz lo zdarzenie B:
P (A|B) =
P (A ∩ B)
P (B)
Do´swiadczenia niezale˙zne = dowolny wynik jednego z nich nie wpywa na wynik drugiego.
Zdarzenia niezale˙zne = zdarzenia A, B, dla kt´orych:
P (A ∩ B) = P (A) · P (B)
albo
P (A|B) = P (A) lub P (B|A) = P (B)
Informacja o zaj´sciu jednego z nich nie zmienia szans wyst¸apienia drugiego.
5. Zupe lny uk lad zdarze´
n. Wz´
or Bayesa
Zdarzenia A
1
, . . . , A
n
tworz¸a zupe lny uk lad zdarze´n je´sli:
1. A
1
∪ . . . ∪ A
n
= Ω,
2. A
i
∩ A
j
= ∅ dla ka˙zdego i 6= j, i, j = 1, 2, . . . , n
3
Twierdzenie o prawdopodobie´
nstwie zupe lnym
Je´sli zdarzenia A
1
, . . . , A
n
tworz¸a zupe lny uk lad zdarze´n, to dla ka˙zdego zdarzenia B :
P (B) = P (A
1
∩ B) + . . . + P (A
n
∩ B) = P (A
1
) · P (B|A
1
) + . . . + P (A
n
) · P (B|A
n
)
Wz´
or Bayesa
Je´sli zdarzenia A
1
, . . . , A
n
tworz¸a zupe lny uk lad zdarze´n, to dla ka˙zdego zdarzenia B takiego, ˙ze P (B) > 0
oraz dowolnego j = 1, 2, . . . , n zachodzi wz´or :
P (A
j
|B) =
P (A
j
∩ B)
P (A
1
∩ B) + . . . + P (A
j
∩ B) + . . . + P (A
n
∩ B)
=
=
P (A
j
) · P (B|A
j
)
P (A
1
) · P (B|A
1
) + . . . P (A
j
) · P (B|A
j
) + . . . + P (A
n
) · P (B|A
n
)
Zmienna losowa jednowymiarowa
Intuicyjnie: zmienna, kt´ora przyjmuje pewn¸a warto´s´c liczbow¸a w wyniku do´swiadczenia losowego.
Formalnie: Funkcja X : Ω → R przyporz¸adkowuj¸aca ka˙zdemu zdarzeniu losowemu pewn¸a warto´s´c
liczbow¸a
Dystrybuanta zmiennej losowej X - funkcja F
X
: R → R zdefiniowana nast¸epuj¸aco:
F (x) = P (X < x) dla ka˙zdego x ∈ R
Zmienna losowa typu skokowego
Zmienna X, dla kt´orej zbi´or warto´sci przyjmowanych przez t¸a zmienn¸a jest sko´nczony lub przeliczalny,
tzn W
X
= {x
1
, x
2
, . . . , x
n
} albo W
X
= {x
1
, x
2
, . . . , x
n
, ldots}
Rozk lad prawdopodobie´
nstwa: funkcja P , kt´ora ka˙zdemu punktowi skokowemu x
i
∈ W
X
przy-
porz¸adkowuje skok prawdopodobie´
nstwa p
i
= P (X = x
i
) w taki spos´ob, ˙ze:
1) dla ka˙zdego i : p
i
> 0 oraz
2)
X
i
p
i
= 1
.
Zmienna losowa typu ci¸ag lego
Zmienna X, dla kt´orej zbi´or warto´sci przyjmowanych przez t¸a zmienn¸a jest przedzia lem liczbowym lub
sum¸a przedzia l´ow.
Rozk lad prawdopodobie´
nstwa: funkcja f zwana g¸esto´sci¸a prawdopodobie´
nstwa taka, ˙ze
1) dla ka˙zdego x ∈ R : f (x) ≥ 0 oraz
2)
Z
+∞
−∞
f (x)dx = 1
.
Podstawowe parametry zmiennej losowej
1. Warto´s´
c oczekiwana zmiennej losowej X = liczba E(X) b¸ed¸aca ´srednia wa˙zon¸a rozk ladu praw-
dopodobie´nstwa przy za lo˙zeniu, ˙ze wag¸a jest prawdopodobie´nstwo (dla zmiennej losowej typu skokowego)
albo ´srodkiem ci¸e˙zko´sci rozk ladu prawdopodobie´nstwa przy za lo˙zeniu, ˙ze g¸esto´sci¸a jest funkcja g¸esto´sci
prawdopodobie´nstwa (dla zmiennej losowej typu ci¸ag lego).
4
2. Wariancja zmiennej losowej X= D
2
(X) = warto´s´c oczekiwana kwadratu odchylenia zmiennej od
jej warto´sci oczekiwanej - miara ´sredniego odchylenia kwadratowego.
3. Odchylenie standardowe zmiennej losowej X = D(X)= pierwiastek z wariancji - miara ´sredniego
odchylenia zmiennej od jej warto´sci oczekiwanej.
4. Kwantyl rz¸edu p = x
p
= punkt, w kt´orym skumulowane prawdopodobie´nstwo (dystrybuanta)
osi¸aga (przekracza) warto´s´c p.
mediana=Me=kwantyl rz¸edu
1
2
kwartyl dolny=Q
1
=kwantyl rz¸edu
1
4
kwartyl dolny=Q
3
=kwantyl rzedu
3
4
i-ty decyl= przedzia l mi¸edzy kwantylem rz¸edu (i − 1) · 0.1 a kwantylem rz¸edu i · 0.1
i-ty percentyl= przedzia l mi¸edzy kwantylem rz¸edu (i − 1) · 0.01 a kwantylem rz¸edu i · 0.01
5. Moda (dominanta; warto´s˙c modalna) = punkt, w kt´orym funkcja prawdopodobie´nstwa osi¸aga
najwi¸eksz¸a warto´s˙c.