Title | Zmienne losowe - dyskretne |
---|---|
Course | Metody probabilistyczne |
Institution | Politechnika Krakowska im. Tadeusza Kosciuszki |
Pages | 9 |
File Size | 371.7 KB |
File Type | |
Total Downloads | 4 |
Total Views | 122 |
Download Zmienne losowe - dyskretne PDF
Zmienne losowe Dla określenia zmiennej losowej potrzebna jest znajomość tzw. trójki probabilistycznej. Załóżmy, że dana jest przestrzeń probabilistyczna (E, S, P). Zmienną losową X nazywamy funkcję rzeczywistą określoną na przestrzeni zdarzeń elementarnych E i mierzalną względem ciała zdarzeń S: X :E R, która każdemu zdarzeniu elementarnemu eE przyporządkowuje liczbę rzeczywistą X(e)R Jest zmienną, która w wyniku doświadczenia (losowego) przyjmuje jedną i tylko jedną wartość ze zbioru wszystkich wartości, jakie zmienna ta może przyjąć. Jest to wielkość, która na skutek przeprowadzonego doświadczenia przyjmuje określoną wartość, znaną dopiero po wykonaniu tego doświadczenia (oznaczenie: X, Y, wartości, jakie przyjmuje: x, y). Wzajemne przyporządkowanie zmiennych losowych i zdarzeń jest jednoznaczne, Rodzaje zmiennych losowych: skokowa (dyskretna) – jest to zmienna, która posiada skończony lub policzalny zbiór wartości, najczęściej są to liczby naturalne (np. liczba oczek wyrzucona za pomocą kostki do gry), ciągła – jest to zmienna, która może przybierać dowolne wartości liczbowe (rzeczywiste) z pewnego przedziału, nieskończonego i niepoliczalnego (np. stężenie procentowe roztworu). Zmienna losowa skokowa Dla zmiennej losowej skokowej X, która przybiera wartości: x1, x2, ..., xn i odpowiadającym i prawdopodobieństwom p1, p2, ..., pn, definiuje się funkcję rozkładu prawdopodobieństwa jako:
P (X xi ) pi
p
i
1
i 1,2, , n
i 1
Dystrybuantą zmienne losowej X nazywany funkcję F(x) zmiennej rzeczywistej x, która wyznacza prawdopodobieństwo tego, że zmienna losowa X przyjmie w uporządkowanym zbiorze x1 ≤ x2 ... ≤ xi ≤ ...xn-1≤ xn wartość mniejszą od x: F ( x ) P( X x) dla każażde x R Dla zmiennej losowej skokowej:
p
F ( x) P( X x)
i
X x
Własności dystrybuanty:
przyjmuje wartości z przedziału 0 ≤ F(x) ≤ 1 dla x (–;+);
jest funkcją niemalejącą, tzn. dla x1 < x2 zawsze F(x1) ≤ F(x2);
jest funkcją lewostronnie ciągłą;
lim F ( x ) 0 oraz lim F ( x) 1 . x
x
Przykład 1 Rzucamy trzykrotnie monetą. Zmienną losową oznaczamy liczbę uzyskanych orłów. Przestrzeń zdarzeń elementarnych E = {(RRR), (ROR), (RRO), (ORR), (OOO), (ROO), (OOR), (ORO)} i 1 2 3 4
Wartość zmiennej losowej xi 0 1 2 3
P(X = xi) P(X = 0) P(X = 1) P(X = 2) P(X = 3)
Prawdopodobieństwo pi 1/8 3/8 3/8 1/8
Dystrybuanta zmiennej losowej:
0 dla x 0 1/ 8 dla 0 x 1 F ( x) 4 / 8 dla 1 x 2 7 / 8 dla 2 x 3 1 dla x 3 pi
pi 1
3/8
6/8 4/8
1/8
2/8
0
1
2
3
0
xi
P(X = 2) = 3/8 P(X ≤ 2) = 4/8 P(X < 2) = 1/8
1
2
3
4
xi
P(X > 2) = P(X > 3) – P(X ≤ 3) = 1 – 7/8 = 1/8 P(X 2) = P(X > 3) – P(X ≤ 2) = 1 – 4/8 = 6/8
Parametry zmiennej losowej lub parametry rozkładu zmiennej losowej są to liczby charakteryzujące wartości, jakie może przybierać zmienna losowa. Wartość oczekiwana (przeciętna) E(x) – jest to wartość, wokół której skupiają się realizacje zmiennej losowej uzyskiwane w wyniku wielokrotnego powtarzania eksperymentu. Wartość oczekiwana zmiennej losowej skokowej: n
E ( X ) xi p i – gdy zmienna X przyjmuje n wartości, i 1
E(X )
x p i
i
– gdy zmienna X przyjmuje przeliczalnie wiele wartości.
i 1
Właściwości: wartość oczekiwana stałej równa się tej stałej: E(C) = C; wartość oczekiwana dwóch zmiennych losowych X i Y równa się sumie wartości oczekiwanych tych zmiennych: E(X+Y) = E(X) + E(Y); jeżeli dwie zmienne X i Y są niezależne, to wartość oczekiwana iloczynu zmiennych jest równa iloczynowi wartości oczekiwanych tych zmiennych: E(XY) = E(X)E(Y) wynika stąd również zależność: E(CX) = E(C)E(X) = CE(X)
Wariancja zmienne losowej V(X) – miara rozproszenia wartości zmiennej wokół średniej, jest to wartość oczekiwana kwadratu różnicy tej zmiennej i wartości oczekiwanej E(X): V ( X ) E[ X E ( X )] 2 V ( X ) E ( X 2 ) E ( X )2
Wariancja zmiennej losowej skokowej:
n
x
V(X )
i
E( X ) pi 2
i 1 n
V (X ) xi 2 pi E (X )
2
i 1
Własności wariancji: wariancja stałej równa się zeru:
V(C) = 0; wariancja iloczynu stałej i zmiennej losowej: V(CX) = C2V(X); jeżeli dwie zmienne X i Y są niezależne, to wariancja sumy (różnicy) tych zmiennych jest równa: V(X Y) = V(X) + V(Y).
Odchylenie standardowe s zmiennej losowej:
s V(X)
Współczynnik zmienności vs:
vs
Współczynnik skośności As:
As
s E( X )
x
i
E ( X ) pi 3
s3
Medianą Me zmiennej losowej X – nazywamy wartość x, która spełnia układ równań: 1 1 P( X x) i P( X x ) 2 2 Modalną Mo zmiennej losowej X – nazywamy wartość x, której odpowiada największe prawdopodobieństwo realizacji. Przykład 2 Rzucamy trzykrotnie monetą. Zmienną losową oznaczamy liczbę uzyskanych orłów. Przestrzeń zdarzeń elementarnych E = {(RRR), (ROR), (RRO), (ORR), (OOO), (ROO), (OOR), (ORO)}. Rozkład prawdopodobieństwa: xi 0 1 2 3 pi 1/8 3/8 3/8 1/8 E(X) = 01/8 + 13/8 + 23/8 + 31/8 = 12/8 = 1,5 V(X) = (0 – 1,5)21/8 + (1 – 1,5)23/8 + (2 – 1,5)23/8 + (3 – 1,5)21/8 = 0,75 s 0,75 0,87
Zmienna losowa ciągła Dla zmiennej losowej ciągłej nie jest możliwe przypisanie wszystkim jej wartościom dodatnich prawdopodobieństw sumujących się do jedności. Można jednak przyporządkować prawdopodobieństwa przedziałom liczbowym: P(x < X < x+ x) gdzie x jest długością przedziału o początku w x. Jeżeli x 0 oraz istnieje granica funkcji f(x) w postaci:
lim Δx 0
P (x X x Δx ) f (x ) Δx
to granicę tę nazywamy funkcją gęstości prawdopodobieństwa zmiennej losowej X. Prawdopodobieństwo tego, że zmienna losowa przyjmuje wartość z przedziału (a, b) – skończonego lub nieskończonego – jest całką funkcji gęstości prawdopodobieństwa w tym przedziale: b
P( a X b) P( a X b) P( a X b) P(a X b) f ( x) dx a
Jeżeli zmienna losowa X przybiera wartości z przedziału skończonego (a, b) lub nieskończonego (– , + ) to funkcja f(x) musi spełniać warunek:
b
f ( x)dx 1
f ( x) 0
f
( x )dx 1
a
Prawdopodobieństwo tego, że zmienna losowa ciągła X przyjmie dokładnie wartość a (gdzie a jest dowolną stałą) jest równe zeru: a
P( X a) lim P( a X b) f ( x) dx 0 b a a
Nie oznacza to, że zdarzenie x = a jest niemożliwe, jest tylko bardzo mało prawdopodobne, ponadto, prawdopodobieństwo tego, że zmienna losowa X przyjmie wartość inną niż x = a jest równe jedności, co nie świadczy o tym, że jest ono pewne, jest tylko wysoce prawdopodobne. Dystrybuanta zmiennej losowej ciągłej F(x)=P(X 0,6)
1 – F(0,6) = 1 – 0,36 =
1
1 P (X 0,6) 2xdx x 2
1 0, 6
1 0,36 0,64 = 0,64
0, 6
0
1
0
1
E ( X ) x f ( x )dx 0dx 2x 2 dx 2
0dx 0 2 2
4 1
x 2 2 V ( X ) x 2 2 xdx 2x 3dx 2 4 3 3 0 0 1
1
0
x3 3
1
0
2 1 0 2 0 3 3
4
2 4 2 9 4 9 36
2 0,236 36 0,236 0,354 35, 4% As 2/ 3
s
1 1 stąd czyli Me = 0,71 x 2 2 Oznacza to, że zmienna losowa X przyjmuje wartości mniejsze od 0,71 z prawdopodobieństwem 0,5.
Mediana: x 2
Drugi parametr pozycyjny, modalna nie istnieje, gdyż funkcja f(x) nie ma maksimum.
Rozkłady zmiennej losowej skokowej Rozkład zero-jedynkowy (dwupunktowy) Zmienna losowa X przyjmuje dwie wartości x1 = 1 z prawdopodobieństwem
i
x2 = 0
P(X=x1=1) = p
i
P(X=x2=0) = q
Rozkład zero-jedynkowy: 1 P (X k ) p k q k
gdzie k=x1=1 lub k=x2=0 oraz 0 0). Rozkład Poissona:
P ( X k )
mk m e k!
Dystrybuanta:
F ( x)
Wartość oczekiwana: Wariancja:
E ( X ) m
e m
k x
mk k!
s 2 V ( X ) m
Rozkład Poissona jest szczególnym przypadkiem rozkładu dwumianowego, zachodzącym wtedy, gdy prawdopodobieństwo p sukcesu jest małe, a liczba realizacji n na tyle duża, że np = m. Rozkład Poissona stosuje się jako przybliżenie rozkładu dwumianowego, gdy: prawdopodobieństwo sukcesu jest mniejsze niż 0,2; liczba doświadczeń jest równa co najmniej 20. Przykład 5 Stwierdzono w pewnym wydawnictwie, że ich zecerzy popełniają średnio 1,5 błędu na jednej stronie. Obliczyć prawdopodobieństwa wystąpienia od 0 do 10 błędów na jednej stronie.
P ( X 0)
1,5 0 1, 5 e 0,233 0!
P( X 5)
1,55 1,5 e 0,014 5!
prawdopodobieństwo
Rozkład Pois sona 1 0,8 0,6
p(x)
0,4 0,2 0
F(x) 1
2
3
4
5
6
7
8
9 10 11
liczba błędów na stronie
Funkcja standardowa programu Excel związana z rozkładem Poissona...