Title | Kurs Prawdopodobieństwo - wzory |
---|---|
Course | Matematyka Dyskretna |
Institution | Politechnika Wroclawska |
Pages | 13 |
File Size | 524 KB |
File Type | |
Total Downloads | 88 |
Total Views | 141 |
Przydatne materiały...
Kurs Prawdopodobieństwo Wzory Elementy kombinatoryki
„Klasyczna” definicja prawdopodobieństwa P A gdzie:
A - liczba zdarzeń sprzyjających A
- liczba wszystkich zdarzeń
eTrapez Usługi Edukacyjne E-learning Krystian Karczyński www.etrapez.pl Tel. 603 088 274
Prawdopodobieństwo – definicja Kołmogorowa - zbiór wszystkich zdarzeń elementarnych
S – „sigma-ciało” na zbiorze , czyli zbiór jego podzbiorów spełniający warunki: 1) S 2) S S
3) 1 , 2 , 3 ,... S 1 2 3 ... U n S n 1
P – funkcja o argumentach ze zbioru S i wartościach będących liczbami rzeczywistymi, spełniająca warunki („aksjomaty”): 1.
P 0
S
2. P 1 3. P 1 2 3 ... P 1 P 2 P 3 ... - dla zdarzeń parami rozłącznych, tzn.
i
j
dla i j
Wartości funkcji P A możemy nazywać „prawdopodobieństwem”
Własności prawdopodobieństwa 1. P 0,1 2. P 0 3. P P 4. P 1 P 5. P \ P P 6. P P P P
Niezależność zdarzeń Zdarzenia A i B są niezależne, gdy:
P P P
Prawdopodobieństwo warunkowe Prawdopodobieństwo warunkowe zajścia zdarzenia A pod warunkiem zajścia zdarzenia B oznaczamy jako P | i liczymy ze wzoru:
eTrapez Usługi Edukacyjne E-learning Krystian Karczyński www.etrapez.pl Tel. 603 088 274
P |
P P
Prawdopodobieństwo całkowite i wzór Bayesa Zakładając, że i j dla i j i P 1 P 2 ... P n 1: Prawdopodobieństwo całkowite P P 1 P 1 P 2 P 2 ... P n P n
Wzór Bayesa
P i
P i P i P
Schemat Bernoulliego Prawdopodobieństwo zajścia k „sukcesów” w n niezależnych i identycznych doświadczeniach, z których każde może zakończyć się tylko na dwa sposoby (z prawdopodobieństwami p dla „sukcesu” i q dla „porażki”) wynosi: n P S k pk qn k k
eTrapez Usługi Edukacyjne E-learning Krystian Karczyński www.etrapez.pl Tel. 603 088 274
Zmienne losowe Dyskretne zmienne losowe Rozkład
p
i
1
Dystrybuanta
F x P X x Wartość oczekiwana
EX xi pi Mediana x0,5 , Me Wartość zmiennej losowej, dla której skumulowane prawdopodobieństwa „przekraczają”
1 2
Dominanta, moda D Wartość zmiennej losowej osiągana z największym prawdopodobieństwem Kwantyl rzędu p x p Wartość zmiennej losowej, dla której skumulowane prawdopodobieństwa „przekraczają” p Wariancja D2 X , 2 D2 X xi EX pi , D2 X EX n EX 2
n
Odchylenie standardowe D X ,
D X D2 X Współczynnik zmienności V V
D X E X
eTrapez Usługi Edukacyjne E-learning Krystian Karczyński www.etrapez.pl Tel. 603 088 274
Moment zwykły n-tego rzędu EX n, n
EX n xin pi Moment centralny n-tego rzędu n
n xi EX pi n
Współczynnik asymetrii
1
3
D X
3
Współczynnik koncentracji
K
4
D X
4
Przykłady rozkładów dyskretnych zmiennych losowych Rozkład Bernoulliego W rozkładzie Bernoulliego prawdopodobieństwa określane są ze wzoru: n P X k p kq n k k EX np
D X npq 2
Rozkład Poissona W rozkładzie Poissona prawdopodobieństwa określane są ze wzoru:
P X k
k k!
e
EX D2 X Dla dużych n i małych p rozkład Bernoulliego można zastępować rozkładem Poissona
eTrapez Usługi Edukacyjne E-learning Krystian Karczyński www.etrapez.pl Tel. 603 088 274
Rozkład hipergeometryczny W rozkładzie hipergeometrycznym prawdopodobieństwa określane są ze wzoru:
M N M k n k P X k N n Gdzie N to ilość wszystkich elementów w populacji, M to ilość wszystkich elementów w populacji o określonej cesze, n to ilość elementów w próbce, k to ilość elementów w próbce o określonej cesze EX
M n N
D2 X n
M M Nn 1 N N N 1
Dla dużych N i M, oraz
M p rozkład Bernoulliego można zastępować rozkładem N
hipergeometrycznym.
eTrapez Usługi Edukacyjne E-learning Krystian Karczyński www.etrapez.pl Tel. 603 088 274
Ciągłe zmienne losowe Funkcja gęstości
f x b
P a X b f x dx a
f x dx 1
Dystrybuanta F x P X x
x
f t dt
Wartość oczekiwana
EX
xf x dx
Mediana x0,5 , Me Wartość x0,5 , dla której F x0,5 0,5 Dominanta, moda D Maksimum globalne funkcji gęstości f x Kwantyl rzędu p x p Wartość x p , dla której F x p p Wariancja D2 X , 2
D
2
X x EX 2 f x dx , D2 X EX n EX
n
Odchylenie standardowe D X ,
D X D2 X
eTrapez Usługi Edukacyjne E-learning Krystian Karczyński www.etrapez.pl Tel. 603 088 274
Współczynnik zmienności V V
D X E X
Moment zwykły n-tego rzędu EX n, n
x f x dx
EX n EX
n
Moment centralny n-tego rzędu n
n x EX f x dx n
Współczynnik asymetrii
1
3
D X
3
Współczynnik koncentracji
K
4
D X
4
Przykłady rozkładów ciągłych zmiennych losowych Rozkład normalny W rozkładzie normalnym prawdopodobieństwa określane są z funkcji gęstości o wzorze:
1 e f x 2
x m 2
2
2
EX m D2 X 2 Standaryzacja rozkładu normalnego: Z
X m
eTrapez Usługi Edukacyjne E-learning Krystian Karczyński www.etrapez.pl Tel. 603 088 274
Rozkład jednostajny W rozkładzie jednostajnym prawdopodobieństwa określane są z funkcji gęstości o wzorze: 1 w przedziale x a, b f x b a 0 dla pozostalych x
Rozkład wykładniczy W rozkładzie wykładniczym prawdopodobieństwa określane są z funkcji gęstości o wzorze: 1 x e dla x 0 f x 0 dla x 0
EX D2 X
eTrapez Usługi Edukacyjne E-learning Krystian Karczyński www.etrapez.pl Tel. 603 088 274
Zmienne losowe dwuwymiarowe Dyskretne zmienne losowe dwuwymiarowe Rozkład
Rozkłady brzegowe
p , p i.
.j
j
i
Prawdopodobieństwo warunkowe
P X xi Y y j
p ij p. j
, P Y yj X xi
pij pi.
Niezależność zmiennych losowych Dwie zmienne losowe X i Y nazywamy niezależnymi, gdy: P X xi , Y y j P X xi P Y y j
i, j
Dystrybuanta F x, y P X x, Y y p ij xi x y j y
Wartości oczekiwane Wartości oczekiwane EX , EY liczymy z rozkładów brzegowych Wariancje Wariancje D2 X D2 Y , liczymy z rozkładów brzegowych.
eTrapez Usługi Edukacyjne E-learning Krystian Karczyński www.etrapez.pl Tel. 603 088 274
Kowariancja
C X , Y xi E X y j E Y pij i
j
Współczynnik korelacji
C X ,Y D X D Y
Jeśli 0 zmienne losowe nazywamy „nieskorelowanymi”. Nie oznacza to jednak, że są niezależne. Jeśli jednak zmienne losowe są niezależne, to na pewno 0 .
eTrapez Usługi Edukacyjne E-learning Krystian Karczyński www.etrapez.pl Tel. 603 088 274
Ciągłe zmienne losowe dwuwymiarowe Funkcja gęstości
f x, y b d
P a X b, c Y d f x, y dydx a c
f x, y dydx 1
Rozkłady brzegowe f1 x
f x, y dy , f y f x, y dx 2
Rozkłady warunkowe f X Y
f x, y f x, y , f Y X f 2y f 1 x
Niezależność zmiennych losowych Dwie zmienne losowe X i Y nazywamy niezależnymi, gdy dla dowolnych x i y:
f x, y f1 x f 2 y Dystrybuanta F x, y P X x, Y y
x
y
f u, v dudv
Wartości oczekiwane E X
xf x dx 1
E Y
yf y dy 2
eTrapez Usługi Edukacyjne E-learning Krystian Karczyński www.etrapez.pl Tel. 603 088 274
Wariancje D2 X
x EX f x dx 2
1
D2 Y
y EY
2
f 2 y dx
Kowariancja C X ,Y
x E X y E Y f x , y dxdy
Współczynnik korelacji
C X ,Y D X D Y
Jeśli 0 zmienne losowe nazywamy „nieskorelowanymi”. Nie oznacza to jednak, że są niezależne. Jeśli jednak zmienne losowe są niezależne, to na pewno 0 .
eTrapez Usługi Edukacyjne E-learning Krystian Karczyński www.etrapez.pl Tel. 603 088 274...