Matematyka dyskretna 2004 - 04 Rachunek prawdopodobieństwa.pdf
(
203 KB
)
Pobierz
41217326 UNPDF
Matematyka Dyskretna
Andrzej Szepietowski
25 marca 2004 roku
Rozdział 1
Rachunek prawdopodobie nstwa
1.1 Przestrze n zdarze n elementarnych
Podstawowym pojeciem rachunku prawdopodobie nstwa jest
przestrze n zdarze n elemen-
tarnych
, któr a najczesciej bedziemy oznaczac przez
. W tej ksi azce ograniczymy sie
do przypadków, gdy
jest zbiorem sko nczonym. Dzieki temu nasze rozwazania bed a
prostsze.
Elementy przestrzeni
nazywamy zdarzeniami elementarnymi.
Przykład 1.1
Przypuscmy, ze rzucamy monet a. Przestrze n zdarze n elementarnych moze
byc wtedy okreslona jako
=fO; Rg
, gdzie
O
oznacza wypadniecie orła, a
R
reszki.
Przykład 1.2
W przypadku dwukrotnego rzutu monet a przestrze n zdarze n elementarnych
moze byc okreslona jako
=fOO; OR; RO; RRg
, gdzie
OO
oznacza, ze dwa razy
wypadł orzeł;
OR
, ze za pierwszym razem wypadł orzeł, a za drugiem reszka;
RO
, ze za
pierwszym razem reszka, a za drugim orzeł; a
RR
, ze dwa razy wypadła reszka.
Przykład 1.3
Przypuscmy, ze mamy urne z piecioma ponumerowanymi kulami, i ze kule
o numerach
2
i
4
s a białe, a kule o numerach
1
,
3
i
5
s a czarne. Przestrze n zdarze n
elementarnych moze byc zdefiniowana jako
=f1; 2; 3; 4; 5g
.
Przykład 1.4
Przypuscmy, ze mamy urne jak w poprzednim punkcie i ze losujemy dwie
kule z tej urny. Przestrzeni a zdarze n elementarnych moze tu byc zbiór dwuelementowych
podzbiorów zbioru kul
=ff1; 2g;f1; 3g;f1; 4g;f1; 5g;f2; 3g;f2; 4g;f2; 5g;f3; 4g;f3; 5g;f4; 5gg:
1.1.1 Zdarzenia
Dowolny podzbior
A
przestrzeni zdarze n elementarnych
nazywamy
zdarzeniem
. Pa-
mietajmy, ze rozwazamy tylko sko nczone przestrzenie zdarze n elementranych. W przy-
padku, gdy
jest zbiorem niesko nczonym, konieczna jest inna definicja zdarzenia. Tak
3
4
Rozdział 1. Rachunek prawdopodobie nstwa
wszystkich podzbiorów zbioru
, jest ich
2
jj
.
Cały zbiór
nazywamy
zdarzeniem pewnym
, a zbiór pusty
;
zdarzeniem niemozliwym
.
Zdarzenia rozł aczne,
A\B =;
, nazywamy
wykluczaj acymi sie
. Zdarzenie
A
0
= A
nazywamy
zdarzeniem przeciwnym
do zdarzenia
A
.
Przykład 1.5
W przykładzie 1.2, z dwukrotnym rzutem monet a,
=fOO; OR; RO; RRg
,
mamy
16 = 2
4
zdarze n. Zbiór
fOO; ORg
jest zdarzeniem polegaj acym na tym, ze za
pierwszym razem wypadł orzeł. Zbiór
fOO; OR; ROg
, ze orzeł wypadł przynajmniej je-
den raz.
Przykład 1.6
W przykładzie 1.3, z kulami, zbiór
f2; 4g
oznacza zdarzenie, ze wylosowa-
no kule biał a, a zbiór
f1; 2; 3g
, ze wylosowano kule o numerze mniejszym od
4
.
Przykład 1.7
W przykładzie 1.4, z losowaniem dwóch kul, zbiór
ff2; 4gg
oznacza zda-
rzenie, ze wylosowano dwie kule białe, a zbiór
ff1; 3g;f3; 5g;f3; 5gg
, ze wylosowano
dwie kule czarne.
1.1.2 Dalsze przykłady przestrzeni zdarze n elementarnych
Podamy teraz inne przykłady przestrzeni zdarze n elementarnych.
Przykład 1.8
Zbiór wszystkich czteroelementowych ci agów z wartosciami
O
lub
R
jako
przestrze n dla czterokrotnego rzutu monet a. Zdarzenie, ze za pierwszym i trzecim razem
wypadł orły to
fOOOO; OOOR; OROO; ORORg
, a zdarzenie, ze za pierwszym i trze-
cim razem wypadło to samo to
fOOOO; OOOR; OROO; OROR; RORO; RORR; RRRO; RRRRg
.
Przykład 1.9
Zbiór wszystkich
n
elementowych ci agów z wartosciami
O
lub
R
jako prze-
strze n dla
n
krotnego rzutu monet a. Podobnie jak w poprzednim przykładzie mozemy roz-
patrywac zdarzenie, ze za pierwszym i trzecim razem wypadł orzeł lub zdarzenie, ze za
pierwszym i trzecim razem wypadło to samo.
Przykład 1.10
Niech
G = (V; E)
bedzie wybranym ustalonym grafem z
jVj= n
wierz-
chołkami i
jEj= m
krawedziami. Jako przestrze n zdarze n elementarnych wezmy zbiór
wszystkich kolorowa n dwoma kolorami wierzchołków grafu
G
. Przestrze n zdarze n ele-
mentarnych jest zbiorem wszystkich funkcji ze zbioru wierzchołków
V
w zbiór
f1; 2g
, czy-
li
=f1; 2g
V
. Przykładem zdarzenia jest zbiór kolorowa n, w których ko nce wybranej z
góry krawedzi
e =fu; vg2E
maj a rózne kolory
ff2jf(u) 6= f(v)g
.
Przykład 1.11
Zbiór wszystkich funkcji ze zbioru
A
w zbiór
B
, czyli
= B
A
. Przykła-
dem zdarzenia jest zbiór funkcji, które maj a tak a sam a wartosc dla dwóch z góry wybra-
nych punktów
a; b2A
, czyli
ff2jf(a) = f(b)g
.
Przykład 1.12
Mamy ustalony zbiór
V
. Przestrze n zdarze n elementarnych to wszystkie
grafy ze zbiorem wierzchołków
V
. Zdarzeniem jest zbiór grafów, w których dwa z góry
wybrane wierzchołki s a poł aczone krawedzi a.
wiec zdarzenia s a elementami zbioru
2
1.2. Prawdopodobie nstwo
5
Przykład 1.13
Zbiór liter lub słów wystepuj acych w jakims tekscie, ksi azce lub liscie.
Przykład 1.14
Grupa studencka. Zdarzeniem jest zbiór studentów, którzy otrzymali oce-
n a bardzo dobr a z egzaminu.
Przykład 1.15
Wyborcy. Zdarzeniem s a wyborcy, którzy nie brali udziału w ostatnich
wyborach.
1.2 Prawdopodobie nstwo
R
okreslon a na zbiorze zdarze n (w naszym przypadku na zbiorze wszystkich podzbiorów
).
Kazdemu zdarzeniu
A
przypisujemy liczbe rzeczywist a
P (A)
, jego prawdopodo-
bie nstwo. Funkcja ta musi spełniac warunki:
Aksjomaty prawdopodobie nstwa
A1) Dla kazdego
A
,
P (A)0
,
A2)
P () = 1
,
A3) jezeli zdarzenia
A
i
B
s a rozł aczne, to
P (A[B) = P (A) + P (B)
.
Zbiór zdarze n elementarnych
wraz z okreslonym na nim prawdopodobie nstwem be-
dziemy nazywac
przestrzeni a probabilistyczn a.
W przypadku, gdy przestrze n zdarze n
elementarnych jest zbiorem sko nczonym, wystarczy okreslic prawdopodobie nstwa dla
zdarze n elementarnych. Musz a byc tylko spełnione dwa warunki:
A4)
P (!)0;
dla kazdego
!2
,
P
!2
P (!) = 1
,
Prawdopodobie nstwo dowolnego zdarzenia
A
jest wtedy równe
A5)
X
P (A) =
P (!):
!2A
Łatwo mozna sprawdzic, ze tak zdefiniowane prawdopodobie nstwo spełnia aksjomaty
definicji 1.16.
Przykład 1.17
Dla dwukrotnego rzutu monet a (przykład 1.2) mozemy okreslic takie samo
prawdopodobie nstwo dla wszystkich zdarze n elementarnych
P (OO) = 0:25; P (OR) = 0:25; P (RO) = 0:25; P (RR) = 0:25:
Ale oczywiscie funkcja prawdopodobie nstwa moze byc dowoln a funkcj a spełniaj ac a wa-
runki A4 i A5. Na przykład
P (OO) = 0:27; P (OR) = 0:24; P (RO) = 0; 25; P (RR) = 0; 24
lub
P (OO) = 0:5; P (OR) = 0:3; P (RO) = 0:2; P (RR) = 0:
Definicja 1.16
Prawdopodobie nstwo, lub rozkład prawdopodobie nstwa, jest funkcj a
P : 2
!
Plik z chomika:
Minnie_
Inne pliki z tego folderu:
kod Huffmana.PDF
(94 KB)
Intro.PDF
(294 KB)
Final.PDF
(1248 KB)
entropia informacji.PDF
(87 KB)
C3.doc
(41 KB)
Inne foldery tego chomika:
Algebra
Algebra liniowa
Analiza Funkcjonalna
Analiza matematyczna
Analiza Regresji
Zgłoś jeśli
naruszono regulamin