Prawie_caly_rachunek-wstep.pdf
(
469 KB
)
Pobierz
227528434 UNPDF
Rachunek prawdopodobieństwa
– MAEW 104
Materiały do wykładu przygotowane przez
L. Janicką, M. Rutkowską, W. Wawrzyniak-Kosz
Literatura
[1] J.Jakubowski, R.Sztencel, Wstep do teorii prawdopodobieństwa, SCRIPT,
Warszawa 2001
[2] J.Jakubowski, R.Sztencel, Rachunek prawdopodobieństwa dla (prawie)
kaŜdego, SCRIPT,Warszawa 2002
[3] T.Inglot, T.Ledwina, T.Ławniczak, Materiały do ćwiczen z rachunku
prawdopodobieństwa i statystyki matematycznej, Wydawnictwo Politechniki
Wrocławskiej, Wrocław 1979
[4] H.Jasiulewicz, W.Kordecki, Rachunek prawdopodobieństwa i statystyka
matematyczna. Przykłady i zadania, GiS.Wrocław 2002
[5] W.Kordecki, Rachunek prawdopodobieństwa i statystyka matematyczna.
Definicje, twierdzenia, wzory , GiS, Wrocław 2002
[6] W.Krysicki, J.Bartos,W.Dyczka, K.Królikowska,M.Wasilewski, Rachunek
prawdopodobieństwa i statystyka matematyczna w zadaniach, część I, PWN
Warszawa, 1997
1.1
.
Wst
ę
p – cz
ę
sto
ś
ciowa interpretacja prawdopodobie
ń
stwa
W otaczającej nas rzeczywistości mamy do czynienia nie tylko z doświadczeniami
deterministycznymi ale teŜ z tak zwanymi doświadczeniami losowymi, których wyniku nie
potrafimy przewidzieć, jednak potrafimy określić zbiór moŜliwych wyników. Rachunek
prawdopodobieństwa zajmuje się opisem doświadczeń losowych, które moŜna powtarzać w
tych samych warunkach oraz badaniem prawidłowości którym podlegają. Zaczniemy od
opisu pewnego doświadczenia wykonanego przez Rutherforda i Geigera. Obserwowali oni
emisję cząstek radioaktywnej substancji w przedziałach czasu o długości 7,5 sek. Dokonano
n = 2608 doświadczeń. Zaobserwowane wyniki przedstawia tabela, gdzie
k
oznacza liczbę
cząstek wyemitowanych w przedziale czasu o długości 7,5 s,
n(k)
oznacza liczbę obserwacji
w których wystąpił wynik
k,
∑
=
10
n
(
k
)
=
n
, w(k)
jest częstością pojawienia się wyniku
k,
k
0
w
(
k
)
=
n
(
k
)
.
n
k
n(k)
w(k)
0
53
0,022
1
203
0,078
2
383
0,147
3
525
0,201
4
532
0,204
5
408
0,156
6
273
0,105
7
139
0,053
8
45
0,017
9
27
0,010
³
10 16
0,006
Wartości funkcji
w(k)
dla innej serii pomiarów mogą być inne.
ZauwaŜono, Ŝe dla długich serii pomiarów wartości funkcji
w(k)
stabilizują się wokół
e
-
l
l
k
wartości funkcji
p
(
k
)
=
, gdzie
l
jest pewną stałą (w podanym przykładzie
k
!
l
=
3
877871
). Wartości funkcji
p(k)
nie zaleŜą od
n.
k n(k)
w(k)
p(k)
0
53
0,022
0,021
1
203
0,078
0,081
2
383
0,147
0,156
3
525
0,201
0,201
4
532
0,204
0,195
5
408
0,156
0,151
6
273
0,105
0,097
7
139
0,053
0,054
8
45
0,017
0,026
9
27
0,010
0,011
³
10 16
0,006
0,007
0,25
0,2
0,15
w(k)
p(k)
0,1
0,05
0
0 1 2
3 4 5 6 7
8 9 10
liczba emitowanych cz
ą
stek
Inne przykłady doświadczeń losowych to rzut kostką, rzut monetą, obserwacja czasu
niezawodnej pracy pewnego urządzenia,..
1.2. Definicja i własno
ś
ci prawdopodobie
ń
stwa.
Zbiór wszystkich moŜliwych wyników doświadczenia losowego nazywamy przestrzenią
zdarzeń elementarnych i oznaczamy przez
W .
Elementy zbioru
W
nazywamy zdarzeniami
w.
Przykłady przestrzeni zdarzeń elementarnych.
1. W doświadczeniu Rutherforda i Geigera obserwowano liczbę cząstek wyemitowanych
przez ciało radioaktywne -
.
2. Wykonujemy rzut kostką - obserwujemy liczbę oczek na kostce -
W
=
{
2
,....}
W
=
{
2
4
3. Obserwujemy czas
t
niezawodnej pracy urządzenia -
W
=
{
:
t
Î
[
0
¥
)}
.
4. Wyznaczamy czas ściągania pliku i liczbę przerw w jego ściąganiu -
,....}}
W
=
{(
,
k
)
:
t
Î
[
0
¥
),
k
Î
{
2
W
=
{
O
,
RO
,
RRO
,....}
.
Zdarzeniem losowym
nazywamy podzbiór
W
. Zbiór wszystkich zdarzeń oznaczać będziemy
literą
F.
Dla zdarzeń, podobnie jak dla zbiorów, określamy alternatywę (sumę) zdarzeń,
koniunkcję (iloczyn) zdarzeń, róŜnicę zdarzeń. Zdarzeniem przeciwnym do zdarzenia A
nazywamy zdarzenie A` = W \A. W nazywamy zdarzeniem pewnym,f - zdarzeniem
niemoŜliwym. JeŜeli
B
=
f
Ze względu na wymagania dotyczące działań na zdarzeniach, zakładamy, Ŝe zbiór zdarzeń
F
spełnia następujące warunki:
1
F
¹
f
,
2
A
Î
F
⇒
A
'
Î
F
,
3
A
1
,...
,
A
Î
F
⇒
¥
=
A
n
F
Î
n
1
-ciałem zbiorów.
Z podanych warunków wynika, Ŝe
s
W
=
A
È
A
¢
Î
F
, jeśli
A
Î
F
oraz ,
f
=
W¢
Î
F
.
zdarzeniem
losowym moŜe być dowolny jej podzbiór. W przypadku nieprzeliczalnej przestrzeni
W
rodzinę
F
naleŜy precyzyjnie określić. W zagadnieniach dobrym modelem probabilistycznym
okazują się pewne podzbiory prostej, płaszczyzny lub przestrzeni. Za rodzinę
F
przyjmuje się
wówczas
W
-ciało zbiorów borelowskich na prostej, płaszczyźnie lub w przestrzeni, przez co
rozumie się najmniejsze
s
-ciało zbiorów zawierające przedziały otwarte (
a, b
) w
R
(koła
otwarte w
R
2
, kule otwarte w
R
3
) Mówiąc obrazowo,
zbiór borelowski
w
R
(w
R
k
,k=2,3) to
kaŜdy zbiór, który moŜna otrzymać jako wynik przeliczalnych działań mnogościowych
wykonanych na rodzinie wszystkich przedziałów na prostej czy kul otwartych w przestrzeni
k
-wymiarowej (k=2,3). Na przykład zbiorem borelowskim w
R
jest kaŜdy przedział
jednostronnie czy dwustronnie domknięty i kaŜda półprosta.
s
Opisując doświadczenia losowe podajemy zbiór wszystkich moŜliwych wyników, określamy
rodzinę
F
ale najbardziej interesujące są pytania o szansę zajścia poszczególnych zdarzeń. Tę
szansę określającą zajście zdarzenia mierzy funkcja zwana prawdopodobieństwem.
elementarnymi i oznaczamy przez
t
t
.
5. Rzucamy symetryczną monetą aŜ do pojawienia się orła -
A
1
, to mówimy, Ŝe zdarzenia A, B wykluczają się.
Nie wszystkie podzbiory W będziemy uwaŜać za zdarzenie i zaliczyć do zbioru
F.
Rodzinę
F
nazywamy
W przypadku dyskretnej (tzn. skończonej lub przeliczalnej) przestrzeni
Definicja 1.2.
Prawdopodobie
ń
stwem
nazywamy funkcję określoną na rodzinie zdarzeń
F
spełniającą
następujące warunki:
1
£
P
(
A
)
£
1
dla
ka
Ŝ
deg
o
A
Î
F
2
P
(
W
)
=
1
3. JeŜeli
A
1
A
,
2
,...
są parami rozłączne (tzn.
A
i
A
Ç
j
=
f
,
dla dowolnych
i
¹
j
), to
¥
=
∑
¥
P
(
n
A
)
=
P
(
A
)
.
n
n
1
n
=
1
W szczególności
P
(
A
È
B
)
=
P
(
A
)
+
P
(
B
)
dla zdarzeń rozłącznych
A, B.
Z powyŜszych warunków (aksjomatów) wynika wiele własności prawdopodobieństwa,
z których najwaŜniejsze są przedstawione poniŜej:
Fakt 1.3.
1. JeŜeli
A
Ì
B
,
to
P
(
A
)
£
P
(
B
),
2. P(A’) = 1 – P(A), a stąd P(
f
) = 0.
3. JeŜeli
A
Ì
B
,
to
P
(
B
\
A
)
=
P
(
B
)
-
P
(
A
)
=
P
(
B
)
-
P
(
A
Ç
B
)
,
4.
P
(
A
È
B
)
=
P
(
A
)
+
P
(
B
)
-
P
(
A
Ç
B
).
8
n
n
∑
5.
P
(
A
)
£
P
(
A
)
.
i
i
i
=
1
i
=
1
6. JeŜeli
A
1
Ì
A
2
Ì
...,
to
P
(
¥
=
A
n
)
=
lim
P
(
A
n
),
n
®
¥
n
1
7. JeŜeli
A
1
É
A
2
É
...,
to
P
(
¥
=
A
n
)
=
lim
P
(
A
n
).
n
®
¥
n
1
W przypadku trzech zbiorów A, B, C wzór z punktu 4. przyjmie postać:
P
(
A
È
B
È
C
)
=
P
(
A
)
+
P
(
B
)
+
P
(
C
)
-
P
(
A
Ç
B
)
-
P
(
B
Ç
C
)
-
P
(
C
Ç
A
)
+
P
(
A
Ç
B
Ç
C
)
a
przypadku dowolnej, skończonej liczby zbiorów wzór ten moŜna uogólnić w następujący
sposób:
8
n
∑ ∑
P
(
A
)
=
P
(
A
)
-
P
(
A
Ç
A
)
+
...
+
(
-
1
n
+
1
P
(
A
Ç
...
Ç
A
)
i
i
i
1
i
2
1
n
=
1
1
£
i
£
n
1
£
i
<
i
£
n
1
2
Fakt.1.4.
JeŜeli
W w
=
{
i
:
i
Î
I
}
, gdzie
I
jest zbiorem skończonym lub
I
= N oraz
P
(
w
i
)
=
p
i
, przy
czym
p
i
³
0
oraz
¥
=
p
i
=
1
, to dla
A
Ì
W
wzór
P
(
A
)
=
A
∑
Î
p
i
określa
i
1
w
i
prawdopodobieństwo na rodzinie wszystkich podzbiorów zbioru
W.
Trójkę (
W,
F,
P) nazywamy przestrzenią probabilistyczną.
i
1
•
Przykład 1.1.
Niech A,B,C będą zdarzeniami. Zapisać za pomocą działań na zbiorach następujące
zdarzenia:
a) zachodzi dokładnie jedno ze zdarzeń A,B,C
;
b) zachodzą dokładnie dwa spośród zdarzeń A,B,C
;
c) zachodzą przynajmniej dwa spośród zdarzeń A,B,C.
d) zachodzą co najwyżej dwa spośród zdarzeń A,B,C.
R o z w i ą z a n i e.
a)Zachodzidokładniejednozezdarzeń
A,B,C
,tooznaczadokładnie,żezachodzi
A
inie
zachodzą
B
ani
C
lub zachodzi
B
i nie zachodzą
A
ani
C
lub zachodzi
C
i nie zachodzą
A
ani
B
czyli, że zachodzi zdarzenie
A
∩
B
′
∩
C
′
∪
A
′
∩
B
∩
C
′
∪
A
′
∩
B
′
∩
C
.
b) Podobnie — zachodzą dokładnie dwa spośród zdarzeń
A,B,C
oznacza, że zachodzi
zdarzenie
A
∩
B
∩
C
′
∪
A
∩
B
′
∩
C
∪
A
′
∩
B
∩
C
.
c) Zachodzą przynajmniej dwa spośród zdarzeń
A,B,C
oznacza, że zachodzą dokład
nie dwa spośród zdarzeń
A,B,C
lub zachodzą wszystkie trzy zdarzenia, czyli zachodzi
zdarzenie
A
∩
B
∩
C
′
∪
A
∩
B
′
∩
C
∪
A
′
∩
B
∩
C
∪
A
∩
B
∩
C
.
d)Zachodząconajwyżejdwaspośródzdarzeń
A,B,C
oznacza,żeniezachodząwszystkie
trzy zdarzenia, czyli zachodzi zdarzenie
(
A
∩
B
∩
C
)
′
=
A
′
∪
B
′
∪
C
′
.
•
Przykład 1.2.
Studenci Wydziału Elektroniki muszą zaliczyć dwa lektoraty: zjęzyka angielskiego i z ję
zyka niemieckiego. Z danych Dziekanatu wynika, że
3
studentów zalicza lektorat z języka
angielskiego, oba lektoraty zalicza co czwarty student, zaś przynajmniej jeden z lekto
ratów zalicza również
3
studentów. Jakie jest prawdopodobieństwo, że losowo wybrany
student:
a) nie zaliczył żadnego lektoratu?
b) zaliczył język angielski i nie zaliczył języka niemieckiego?
R o z w i ą z a n i e.
Niech
A
oznacza zdarzenie ”losowo wybrany student zaliczył lektorat z języka angielskie
go”,przyjmujemy, że
P
(
A
)=
3
,
B
zdarzenie ”losowo wybrany student zaliczył lektorat
z języka niemieckiego”.
a) Oczywiście chodzi o zdarzenie
A
′
∩
B
′
, więc
P
(
A
′
∩
B
′
)=
P
((
A
∪
B
)
′
)=1
−
P
(
A
∪
B
)=1
−
3
=
3
1
Plik z chomika:
k_rakiej
Inne pliki z tego folderu:
Prawie_caly_rachunek-wstep.pdf
(469 KB)
Wojciech Kordecki - Rachunek prawdopodobienstwa i statystyka matematyczna - definicje twierdzenia wzory.pdf
(459 KB)
Inne foldery tego chomika:
Analiza matematyczna
Analiza zespolona
Dzieci-gry i zabawy
Matematyka w gimnazjum i liceum
Zgłoś jeśli
naruszono regulamin