ZMIENNA LOSOWA
Dana jest przestrzeń probabilistyczna
<Ω, F, P>
Ω - zbiór zdarzeń elementarnych
P - prawdopodobieństwo określone na F
F (tał) - klasa zbioru Ω o właściwościach:
Ω ∈ F
A ∈ F to A'=Ω - A ∈ F
Ai ∈ F to Ui=1 niesk Ai ∈ F
Def. (prawdopodobieństwa)
P:F → R
1.[dla każdego A ∈F ] P(A) ≥0
2.P(Ω)=1
3. [dla każdego A,B ∈ F i A ∩B=∅] P(A∪B) = P(A) + P(B)
Przykład 1
Ω={ω1, ω2} ω1 - orzeł; ω2 - reszka
P(ω1) = P(ω2) = ½
F = {Ω, {ω1},{ω2}, ∅}
P(A) = mocA/mocΩ
Przykład 2
Na linii telef. o dł. AB(=L) (przerwanie linii jest jednakowo możliwe) nastąpiło przerwanie. Oblicz prawd, że pkt C jest odległy od A nie mniej niż l
A C B
Ω - każdy pkt AB
P(A) = miara zb A/ miara Ω = m(A)/(Ω) = L-l / B-A = L-l / L = 1- l/L
Def. (zmiennej losowej)
Zmienną losową (X) nazywamy funkcję
X: Ω→R i {ω: X(ω)<x}∈F, x∈R
Przykład 1
X: Ω→{0,1}
X(ω1)=0 P(x=1)=1/2
X(ω2)=1 P(x=0)=1/2
Typy zmiennych losowych:
a)skokowe (dyskretne)
b) ciągłe
zmienna los dyskretna - zbiór wartości jest zbiorem dyskretnym,
zmienna los ciągła - zbiór wartości jest sumą przedziałów
Def. Funkcję P(X=xi) = pi i=1... nazywamy f-cję prawdopodobieństwa zm los X
Σpi = 1
{(xi, pi )} i=1,2...
xi pi
0 ½ xi - punkty skokowe
1 ½ pi - skoki
Przykład
X - liczba trafień do tarczy
Do tarczy oddana 3 niezależne strzały. Prawd. trafienia ½
xi pi
0 (1/2)^3 = 1/8
1 3*(1/2)^3 = 3/8
2 3*(1/2)^3 = 3/8
3 (1/2)^3 = 1/8
Def.(dystrybuanta zmiennej losowej)
F:R→<0,1> i F(x) = P(X<x) nazywamy dystrybuantą zm los X
Dla przykładu wyżej
F(x)= { o x≤0
1/8 x∈(0,1>
4/8 x∈(1,2>
7/8 x∈(2,3>
x>3
F(1) = P(X<1)
Własności dystrybuanty zm los
lim/x→-∞/ F(x) = 0 i lim/x→∞/ F(x) = 1
F jest funkcją nie malejącą
F jest lewostronnie ciągła
F(x) = Σ/xi,x/ P(X = xi) = Σ/xi<x/ pi
Def. (zmienna los ciągła) Funkcja f określona wzorem
f(x) = lim/Δx→0/ [P(x≤X≤x+Δx) / Δx
nazywamy funkcją gęstości zm los X
Zachodzi następujące przybliżenie
P(x≤X≤x+Δx) ≈ f(x)*Δx
Własności funkcji gęstości:
1. dla każdego x∈R f(x) ≥0
całka od a do b f(x)dx = P(a≤x≤b) P(X=a) = 0 !
2. całka od +∞ do -∞ f(x)dx = 1
Przykład (linia telef)
f(x) = { 0 dla x<0 lub x=L
c dla x∈<0,L>
Całka od +∞ do -∞ f(x)dx = całka od 0 do L cdx = cxL0 = LC = 1, to c = ½
P(l<x≤L) = całka l - L f(x)dx - całka l - L 1/Ldx = 1 - l/L
Rys
Dystrybuanta dla zm los typu ciągłego
F(x)= całka od -∞ do x f(t)dt
P(a<X≤b) = F(b) - F(a)
Typ skokowy
P(a<X≤b) = F(b) - F(a) i (a,b nie są pkt skokowymi)
PARAMETRY ZMIENNEJ LOSOWEJ
Def. E(X)= { Σxipi dla skokowej zm los Całka R xf(x) dla ciągłej zm los
Przykład 1
Strzelanie do terczy przez 3 strzelców
xi 0 1 2 3
pi 1/8 3/8 3/8 1/8
EX = 0*1/8 + 1*3/8 + 2*3/8 + 3*1/8 = 1,5
Własności wartości oczekiwanej:
P(x=c)=1 to EX=c
X przyjmuje wartości nieujemne to EX≥0
E(aX+b) = aEX+b
E[(aX)^k] = a^kEX^k
Def. Momentem zwykłym rzędu k nazywamy wartość oczekiwaną mz X podniesioną do potęki k
mk = E(X^k)
Def. Momentem centralnym rzędu k nazywamy
μk = E{[X - E(X)]^k}
μ1=0 μ2= m2 - m1^2 μ3 = m3 +3m1m2 + 2m1^3
D-d dla μ2:
μ2 = E{[X - EX]^2} = E( X^2 - 2XEX = E^2X) = E(X^2) - 2E^2X + E^2X = m2 - m1^2
Def. D^2X = E{[X - EX]}^2
Odchylenie standardowe - δ, DX
δ = pierwiastek z D^2X
Własności wariancji
P(x=c) = 1 to D^2C = 0
D^2(aX+b) = a^2D^2X
Y = X/DX to D^2(Y) = 1
D^2X≤E(x-c)^2 dla każdego c∈R
Y = (X - EX)/DX to EY = 0 i D^2Y = 1
Nierówność Czebyszewa
P{X - EX≥kδ} ≤ 1/(k^2), k∈R
Ta nierówność nie działa gdy rozkład jest silnie asymetryczny
Def. V = δ / XE
Współczynnik zmienności - określa stopień zróżnicowania zm los
Def. Kwantylem rzędu p-tego zm X nazywamy taką liczbę, że
P(X≤x) ≥ p i P(X≥x) ≥1-p
Mediana -kwantyl rzędu 1/2
Me = x to P(X ≤ x) ≥ ½ - P(X ≥ x) ≥ ½
Wyznaczanie mediany:
- jeżeli X zm los ciągła to Me wyznacza się z rów F(x)=1/2
Przykład:
xi 0 1 2 3
pi 1/8 3/8 3/8 1/8
Me = 1 to P(X≤1)=1/2 i P(X≥1)=7/8
Me = 2 to P(X≤2)=7/8 i P(X≥2)=1/2
Stąd Me∈<1,2>
Przykład:
F(X)=1/2
Całka -∞ do x f(t)dx = ½
1/(b-a) całka a do x dx = ½
[1/(b-a)]*(x-a)=1/2
x=(a+b)/2
Def.(Dominanta Do) Wartość zm los, której odpowiada największe prawd gdy X zm los skokowa
Max lokalizacja fukncji gęstosci, gdy X zm los ciągła
Def
a) dla każdego xi≤c istnieje xj≥c istnieje c takie, że P(X=xi) - P(X=xj)=1
gdy X zm los skokowa c - xi + xj - c
b) istnieje c takie, że dla każdego x∈R f(x-c)=f(x+c) gdy X zm los ciągła
Rys
Def γ1 = μ3/δ^3
γ>0 asymetria γ<0 asymetria γ
Rys*2
WIELOWYMIAROWE ZMIENNE LOSOWE
Def. Ω - zbiór zdarzeń elementarnych
xi i=1...n zm los określona na Ω
zm los X= (X1,X2,...Xn) nazywamy n-wymiarową zm los
Dwuwymiarowa zm los (n=2)
Def. Dwuwymiarowa zm los (X,Y) jest typu skokowego jeżeli przyjmuje ona skończoną lub przeliczalną liczbę wartości (xi yi) odpowiednio z prawdopodobieństwem pij tzn P(X=Xi, Y=yi) = pij, ΣiΣj pij = 1 i pij≥o {(xi, yj) Pij}
Def Zbiór prawdopodobieństw pij P(X=xi, Y=yj) nazywamy funkcję skokowej zm los (X,Y)
Def. Dystrybuanta dwuwymiarowej skokowej zm los (X,Y) nazywamy funkcję określoną wzorem
F(x,y) = Σxi<xΣyi<y pij i=1...m; j=1...n
Rys
Oznaczenia
pi* = Σ(j=1 do n) pij = P(X=xi)
p*j = Σ(i=1 do m) pij = P(y=yi)
Def. Pi* = P(X=xi) i=1..m
P*j = P(y=yi) j=1..n