k-z ilu wybieramy n- ile wybieramy
Elementy:
Permutacja bez powtórzeń:
-kolejność jest istotna
-ilość wyrazów permutacji = ilość el zbioru
-wyrazy permutacji są różne
Pn=n!
Permutacje z powtórzeniami:
-kolejność istotna
- el wystepują conajmniej 1 raz
(ułorzenie słowa z liter)
Wariacje bez powtórzeń
-kolejność istotna
-el zbioru A wystepuje 1 raz
Wariacja z powtórzeniami:
-kolejność istotna
-el powtarzają się wielokrotnie lub 1 raz
Sposób wyjścia z windy.
Kombinacje bez powtórzeń:
-kolejność nieistotna
partie (dobre,złe)
8 dobrych 2 zle czyli razem 10, losujemy 2
Kx=(0,1,2) x-dobre
Omega = k 10
n 2 10!/2!(10-2)!
0 dobrych = k 2
n 2 2!/2!(2-2)!
1 dobra = k k 8 2 8!/1!(8-1)!*2!/1!(2-1)!
1 zła n n 1 1
2 dobre = k 8
n 2 8!/2!(8-2)!
Kombinacja z powtórzeniami:
-nie rozróżnia się elementów
-kolejnośc nieistotna
losowanie z zbioru k-elementowego ze zwracaniem bez kolejności
S=2Ω
Doświadczenie losowe-jt doświadczenie którego wyników nie można jednoznacznie przewidzieć
Częstość- otrzymano wynik k przy n razy= k/n
Prawidłowość statystyczna-częstośc staje się bliska pewnej liczbie.
Zdarzenie elementarne ω-pojęcie pierwotne niedefiniowalne (wynik doświadczenia losowego)
Zbiór zdarzeń elementarnych Ω-pojecie pierwotne zbiór wszystkich zdarzeń elementarnych doś. los.
Zdarzenie losowe- podzbiór zbioru Ω niepustą klasą S podzbiorów Ω spełniającą warunki:
1. A∈S, to A' = Ω -A∈S (wykonalność uzupełniena)
2. jeśli A1 A2 ∈ S, to A1∪A2∪...∈ S (wykonalnośc
przeliczalnego dodawania)
nazywamy σ-ciałem zbarzeń losowych, zas elementy tej klasy zdarzeniami losowymi
Własności zdarzeń losowych σ-ciało zdarzeń losowych ma właściwości:
1.Ω∈S, ∅∈S
2.Jeśli A1 A2 ∈S to A1∩A2∩..∈S (wykonalność
przeliczalnego mnożenia)
3.Jeśli A1...An ∈S to A1∪...∪An∈S (wykonalność
dodawania
4. Jeśli A1...An ∈S to A1∩...∩An∈S (wykonalność
mnożenia
5.Jesli A,B ∈S to A-B ∈S (wykonalność odejm)
Zdarzenia w zbiorze skonczonym:
Jeśli zbiór zdarzeń el Ω jest skończony, to przyjmujemy, że każdy podzbiór zbioru Ω jest zdarzeniem czyli S=2Ω
Definicja aksjomatyczna prawdopodobieństwa - jt funkcja która spełnia warunki: P: S→
1.P(A) >=0
2.P(Ω)=1
3.Dla dowolnego ciągu zdarzeń A1 A2 ...∈S wykluczających się (Ai∩Aj=∅ dla i≠j zachodzi wzór
P(A1∪A2∪...) = P(A1) + P(A2)+...
(przeliczalna addytywność)
Liczbę P(A) nazywamy prawdopodobieństwem zdarzenia A
Własności prawdopodobieństwa:
1.P(∅)=0
2.Jesli A1,...,An wykluczają się to
P(A1∪...∪An) = P(A1)+...+P(An)
(skończona addytywność)
3.Jeśli A⊂B to P(A) <=P(B) (monotoniczność prawd)
4.P(A)<=1
5.Jeśli A⊂B to P(B-A)=P(B) - P(A)
6.P(A∪B)= P(A)+P(B)-P(A∩B)
7.P(A)=1-P(A')
8.
9.
Definicja klasyczna:
Jeśli zbiór zdarzeń elementarnych Ω składa się ze skończonej liczby n zdarzeń el. i prawdopodobieństwa wszystkich zdarzeń el {ωi}, i=1,2...n są równe to prawdopodobieństwo zdarzenia A składającego się z k zdarzeń wyraza się wzorem
Przestrzeń probabilistyczna: jt trójka (Ω,S,P)
dla kazdego zdarzenia należy zdefiniować:
-zdarzenia el w tym doswiadczeniu
-jakie zbiory sa zdarzeniami losowymi
-jak oblicza sie prawdopodobienstwo tych zdarzeń
Prawdopodobienstwo warunkowe: niech (Ω,S,P)
Jeśli B jest zdarzeniem o dodatnim prawd. P(B)>0 to prawd. dowolnego zdarzenia A pod warunkiem że zaszło zdarzenie B okreslamy na σ-ciałem S wzorem
Pod warunkiem że zaszło zdarzenie
Prawdopodobieństwo iloczynu: zamieniając
P(A∩B)= P(A)*P(B/A), P(A) >0
Za pierwszym razem otrzymano…
Prawdopodobieństwo całkowite:
Jeżeli zdarzenie losowe A1...An o dodatnich prwd. wykluczaja sie parami i suma ich jest zdarzeniem pewnym to dla dowolnego zdarzenia losowego B zachodzi wzór:
P(B)= P(A1)*P(B/A1)+...+P(An)*P(B/An)
Założenia tego twierdzenia:
1.P(A1) >0, P(An)>0
2.Ai∩Aj=0 dla i≠j
3.A1∪...∪An=Ω
Twierdzenie Bayesa:
Jesli zdarzenia losowe A1,...An o dodatnich prawd. wykluczają się parami i ich suma jest zdarzeniem pewnym, zas B jest zdarzeniem o dodatnim prawd. to zachodzi wzór:
Zdarzenia niezalerzne:
Niech (Ω,S,P) będzie pp. A,B∈S.
Zdarzenia A i B są niezależne jesli:
P(A∩B)=P(A)•P(B)
Niezalezność n zdarzeń:
Mówimy że zdarzenia A1,...An sa niezalezne jeśli
P(A1∩...∩An)= P(A1)•...•P(An)
Zmienna losowa jednowymiarowa: jt dowolna funkcja określona na zbiorze zdarzeń elementarnych przyjmująca wartości rzeczywiste X: Ω→R i spełniająca warunek:
dla każdego
Rozkład prawdopodobieństwa zmiennej losowej:
Niech X będzie zmienna losową jednowym. w (Ω,S,P)
Px: B→ R
Px(A) = P ({ω∈Ω: X(ω) ∈A})
Przykłady:
A={a}
P({ω∈Ω: X(ω)=a})= P(X=a)
A=(a,b>
P({ω∈Ω: X(ω)∈A})= P(a<X<=b)
A=(-∞,b)
P({ω∈Ω: X(ω)∈A})= P(x<b)
A∈(-∞,+∞)
P({ω∈Ω: X(ω)∈R})=P(-∞<X<+∞)=1
Dystrybuanta zmiennej losowej X:
X- zmienna losowa w (Ω,S,P)
Px - rozkład prawdopodobienstwa
Dystrybuanta zmiennej losowej X jt funkcja
F: R→<0,1>
F(x) = P(X<x) x∈R
Własności dystrybuanty:
1.funkcja niemalejąca
2.conajmniej lewostronnie ciagła
3
Jeżeli F jest dystrybuantą zm los X to
1.P(a<=X<b)=F(B)-F(A)
2.P(X=a)=F(a+0)-F(a)
3.Jeśli a jest punktem ciągłosci dystrybuanty F, to
P(X=a)=0
Dystrybuanta zm los X wyznacza jednoznacznie rozkład prawdopodobieństwa zm los X F→Rx
Zmienna losowa skokowa:
Punkt skokowy: zmiennej losowej X jt x∈R,takie że
P(X=x)>0
Kx-zbiór wszystkich punktów skokowych zm los X Zmienna losowa X jest typu skokowego jeśli istnieje skonczony lub przeliczalny zbiór Rx{x1, x2,...} wartości tej zmiennej takie, że Px(Kx)=P(X∈Kx)=1
Funkcja prawdopodobieństwa zmiennej losowej skokowej:
przyporządkowuje każdemu punktowi skokowemu xkzmiennej losowej X skoku pk w tym punkciei zapisujemy: P(X=xk)=pk
Zmienna losowa ciągła:
zmienną los X nazywamy zm los ciągłą jeżeli dystrybuantę tej zmiennej można przedstawić w postaci
funkcję f(t) nazywamy gęstością prawdopodobieństwa zmiennej losowej X
Własności:
Jeśli X jest zmienną los ciągłą o dystrybuancie F i gęstości f to
1.Dystrybuanta F jest funkcją ciągłą w R i w każdym
punkcie ciągłości gęstości f F'=f(x)
2.Dla każdej liczby rzeczywistej x
P(X=x)=0
Czyli zmienna losowa ciągła nie ma punktów
Skokowych.
3.P(<=X<=b)=P(a<X<=b)=P(a<X<b)=P(a<=X<b=
=F(b) - F(a) =
4.
Zmienna losowa dwuwymiarowa:
Zmienna losowa dwuwymiarowa przyporządkowuje zdarzeniom elementarnym pary liczb rzeczywistych, czyli odwzorowuje zbiór zdarzeń elementarnych w Ω w R2 i spełnia warunki:
Zdarzenie losowe {ω∈Ω: (X(ω),Y(ω)∈A
zapisujemy krótko (X,Y)∈A
prawdopodobieństwo P((X,Y∈A))
Rozkład prawdopodobieństwa:
Pxy(A)=P({ϖ∈Ω: (X(ω),Y(ω))∈A})
Dystrybuanta Zmiennej losowej dwuwymiarowej:
Niech (X,Y) będzie zmienną losową dwuwymiarową e przestrzeni probabilistycznej (Ω,S,P) zaś Pxy rozkładem prawdopodobieństwa tej zmiennej.
Dystrybuantą zmiennej losowej dwuwymiarowej (X,Y) nazywamy funkcję F dwóch zmiennych rzeczywistych x i y i określoną wzorem
F(x,y)=P(X<x,Y<y) czyli
F(x,y)=Pxy({(a,b): a<x, b<y)})
Własności dystrybuanty:
1.Dla dowolnych x1 x2 y1 y2 ∈R gdzie x1<x2 i y1<y2
mamy F(x2,y2) - F(x1,y2)-F(x2'y1)-F(x1,y1)>=0
2.F jest funkcją lewostronnie ciągłą
3.
Co zapisujemy krótko:
F(-∞,y)=0 , F(x,-∞)=0 , F(∞,∞)=1
Dana gęstość:
1.niewiadomą w f(x) gęstości obliczamy:
sumując całki z zakresów
2. Dystrybuantę obliczamy
Dana jest dystrybuanta:
1.niewiadomą obliczamy przyrównując granice do 1
2.gęstość obliczamu przez różniczkę dystrybuanty
f(x)=F'(x)
Prawdopodobieństwo
P(a<=x<=b)=F(b)-F(a) z dystrybuanty
P(a<=x<=b)=
z gęstości
P(|X|<=0,5)=P(-0,5<=X<=0,5)=
P(|X|<=0,5)=P(-0,5<=X<=0,5)=F(0,5)-F(-0,5)
Z odpowiedniego zakresu pamiętać
Sprawdzenie czy funkcja jest gęstością:
Obliczenie całki z funkcji f(x)
Sprawdzenie czy funkcja jest dystrybuantą:
Obliczenie pochodnej z funkcji F(x)
F'(x)=f(x) - otrzymujemy funkcję i sprawdzamy czy to jest gęstość (patrz wyżej)
Zmienna losowa skokowa:
Kx=(1,2,5) punkty w dystrybuancie po prawej
lub P(X=a)=
po lewej prawdopopdobieństwo
Tablica rozkłady prawdopodobieństwa (rozkład praw)
Ustalona funkcja prawdopodobieństwa (wykres to punkty)
xi |
1 |
2 |
5 |
pi |
0,2 |
0.6 |
0,2 |
Suma pi=1, pi>0
Wykres dystrybuanty to Y-największa wartość=1 (pi)
pi(3)=pi(1)+pi(2) sumujemy
Prawdopodobieństwo:
P(a<=X<b)=F(b)-F(a) z dystrybuanty tak samo jak w zmiennej losowej ciągłej
Wartość oczekiwana
Dla skokowej: m=E(x) =suma xipi -średnia
Dla ciągłej:
z gęstości
Moment zwykłyrzędu k:
Dla skokowej mk=E(xk)=suma xikpi
Dla ciągłej:
Odchylenie od wartości: Xi-m
Wariancje:
1) (Xi-m.)2 2) pi(xi-m)2 3) V(X)=pi(xi-m)2
odchylenie średnie: δ=pierwiastek z V(x).
Rozstęp: R=xmax-xmin
Mediana (wartość środkowa):
Dystrybuanta = ½
Z szeregiem:
Prawdopodobieństwo pk=P(X=k)=c/3k
-wyznaczyć c:
pk=c/3k 1=suma pk=suma c/3k=
=c suma 1/3k=x(1/3 + 1/9+..+)= suma a*qk=
a=1/3 q=1/3 S=a/1-q |q|<1
= c 1/3 / 1-1/3 =1/2 c c=2
f(x) = 2 / 3k
-dystrybuanta F(X) 0 dla x<=0; 2/3 dla 1<x<=2;
2/3 +2/9 dla 2<=x<=3...
- Obliczyć P(x>=4)
P(a)=1-P(A')
P(x>=4)=1-P(a<4)=1-P(x=1)+P(x=2)+P(x=3)=1-
2/3 +2/9 +2/27 = 1/27