Escolar Documentos
Profissional Documentos
Cultura Documentos
• zdarzenie losowe,
• zdarzenie elementarne,
• prawdopodobieństwo,
• zbiór zdarzeń elementarnych.
Przykład
X (orzeł) = 1; X (reszka) = 0
Def. Zmienna losowa X jest typu ciągłego, jeśli jej możliwe wartości
tworzą przedział ze zbioru liczb rzeczywistych.
Założenia:
• zmienna losowa X typu skokowego przyjmuje wartość x1, x2,... z
prawdopodobieństwami, odpowiednio p1, p2,... ,
n
∑ pi = 1, (1)
i=1
∞
∑ pi = 1, ( 2)
i=1
P( X = xi ) = pi ( i =1,2,... )
xi x1 x2 ... xn
pi p1 p2 ... pn
Przykład
xi 0 1 2 3
pi 1/8 3/8 3/8 1/8
3/8 . .
1/8 . .
0 1 2 3 x
F(x)
7/8
4/8
1/8
0 1 2 3 x
F ( x ) = P( X ≤ x )
0 dla x < x1
p dla x1 ≤ x < x2
1
p1 + p2 dla
. .
F ( x)
. .
. .
p1 + p2 + ... + pn −1 dla xn −1 ≤ x < xn
1 dla x ≥ xn
• 0 ≤ F ( x ) ≤1,
•
lim F ( x ) = 0 oraz lim F ( x ) = 1,
x → −∞ x →+∞
Przykład
Dystrybuanta zmiennej losowej ma postać:
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,
• f ( x ) ≥ 0,
b
• ∫ f ( x ) dx = P( a < X ≤ b) dla dowolnych a<b.
a
+∞
• ∫ f ( x ) dx = P( − ∞ < X ≤ +∞ ) = 1
−∞
P( x < X ≤ x + ∆x ) ≅ f ( x ) ∆x
b
f(x) P( a < X ≤ b ) = ∫ f ( x ) dx
a
a b x
Przykład
ni 1
- wysokości poszczególnych prostokątów ⋅ są ustalone w
n ∆xi
n
taki sposób, aby pola prostokątów były równe częstościom i :
n
ni 1 n
∆xi ⋅ ⋅ = i
n ∆xi n
ni
n∆xi
0,4
0,3
0,2
0,1
x1 x2 x3 x4 x5 x6 x
ni
n∆xi
0,4
0,3
0,2
0,1
x1 x5 x9 x13 x17 x21 x
•
lim F ( x ) = 0 oraz lim F ( x ) = 1,
x → −∞ x →+∞
0, dlax < 0,
f ( x ) = c, dla 0 ≤ x ≤ 5,
0, dlax > 5,
1/5
0 1 2 3 4 5 x
Dystrybuanta czasu oczekiwania na autobus oraz ilustracja
graficzna P(1 < X ≤ 3)
f(x)
F(3)
2 F(3)-F(1)
F(1)
0 1 2 3 4 5 x
WARTOŚĆ OCZEKIWANA I WARIANCJA ZMIENNEJ
LOSOWEJ
∑ [ xi − E ( X ) ] 2 pi
i
D 2 ( X ) = E[ X − E ( X ) ] 2 =∞
∫ [ x − E ( X ) ] f ( x ) dx
2
− ∞
MOMENTY
∑ [ xi − E ( x ) ] kpi dlazmiennej
losowej
skokowej
i
uk = E [ X − E ( X ) ] k =∞
∫ [ x − E ( x ) ] f ( x )dx dlazmiennej
k
losowej
ciąglej
− ∞
Założenia:
P( X = 0 ) =1 − p ; ( 0 < p <1)
xi 0 1
pi 1-p p
0, dla x <0
F ( x ) = 1 − p, dla 0 ≤ x <1
1, dla x ≥1
E ( X ) = 0 ⋅ (1 − p ) +1 ⋅ p = p,
D 2 ( X ) = ( 0 − p ) 2 (1 − p ) + (1 − p ) 2 p = p (1 − p ).
ROZKŁAD DWUMIANOWY
Schemat Bernoulliego
Założenia
• zmienna losowa X jest liczbą sukcesów zaobserwowanych w
eksperymencie przeprowadzonym zgodnie ze schematem
Bernoulliego,
A
, A
,...,
A A
, A,...,
A
k n −k
n
P( X = k ) = p k (1 − p ) n −k (3)
k
Def. Zmienna losowa X ma rozkład dwumianowy, jeśli przyjmuje
wartości k=0,1,2,...,n z prawdopodobieństwami określonymi wzorem
(3). Liczbę doświadczeń n oraz prawdopodobieństwo sukcesu p
nazywamy parametrami tego rozkładu.
n
F ( x ) = P( X ≤ x ) = ∑ k p k (1 − p ) n −k
k ≤ x
n n
E ( X ) = E ∑ X i = ∑ E ( X i ) = np ,
i =1 i =1
n n
D 2 ( X ) = D 2 ∑ X i = ∑ D 2 ( X i ) = np(1 − p ) .
i =1 i =1
ROZKŁAD POISSONA
λk
P( X = k ) = e −λ , dla k=0,1,2,...
k!
gdzie:
λ jest dodatnią stałą (λ>0)
λk
F ( x) = ∑ e −λ .
k ≤x k!
Paramerty:
E(X)=λ
D2(X)=λ
Wykorzystanie rozkładu Poissona do aproksymacji
prawdopodobieństw w rozkładzie dwumianowym
n
P( X k = k ) = p k (1 − p ) n − k ( k = 0,1,2,...n )
k
Jeżeli dla n→∞ spełniona jest równość np=λ, gdzie λ jest wielkością
stałą, to spełniona jest zależność:
λk −λ
lim P( X n = k ) = e
n →∞ k!
ROZKŁAD NORMALNY
( x − m) 2
−
1
f ( x) = e 2σ 2 , −∞ < x < +∞
σ 2π
x −
( t −m ) 2
1
F ( x) = ∫e 2σ 2 dt
σ 2π −∞
1
b) osiąga maksimum równe dla x = m ,
σ 2π