Académique Documents
Professionnel Documents
Culture Documents
Twierdzenie1(zasadailoczynu)
Niech oznacza zbir wszystkich cigw (
) otrzymanych w
nastpujcysposb:
element
wybieramyz
-elementowegozbioru
Jeeli mamy wybrane elementy
to nastpnie
wybieramy
-tyelement z
-elementowegozbioru
Wwczasliczebnotegozbiorujest rwna
, gdzie
szbiorami skoczonymi towwczas
.
WARIACJEBEZPOWTRZE
Definicja1. Niech bdziezbiorem-elementowymi liczb naturaln,
tak e . Kady wyrazowy cig (
) elementw
zbioru , ktry jest rnowartociowy (tzn.
)
nazywamy-wyrazowwariacjbezpowtrzeelementwzbioru.
Liczb wszystkich wariacji bez powtrze z -elementowego zbioru
oznaczamy
Definicja2. Wariacj-elementowzbioru (-elementow) nazywamy
permutacj. Liczbtakichpermutacji oznaczamy
.
Twierdzenie 2. Dla dowolnych liczb takich, e
zachodzi rwno:
( )( ) ( )( )
Twierdzenie3. Dladowolnej liczby mamyrwno
Wobecpowyszychoznaczemamy, e
()
.
WARIACJEZPOWTRZENIAMI
Definicja 3. Niech i bd liczbami naturalnymi i zbiorem -
elementowym. Kady wyrazowy cig (
) elementw ze
zbioru nazywamy -wyrazow wariacj z powtrzeniami ze zbioru .
Liczbwszystkichwariacji zpowtrzeniami oznaczamy
lub
.
Twierdzenie 4. Niech i bd liczbami naturalnymi. Wwczas liczba
wszystkichwariacji jest rwna
.
UWAGA. moe by mniejsze ni , te moe by wiksze. Nie ma
ograniczenia .
KOMBINACJE
Definicja 4. Niech bdzie zbiorem -elementowym i liczb
naturaln. Kady -elementowy podzbir zbioru nazywamy -
elementow kombinacj ze zbioru -elementowego. Ilo wszystkich
kombinacji oznaczamy
.
Twierdzenie5. Jeeli , to
()
.
UWAGA.
()
()
KOMBINACJEZPOWTRZENIAMI
Definicja 5. Jeeli 2 cigi -wyrazowe (
) i (
)
rni si tylko kolejnoci wyrazw tzn. istnieje bijekcja
* + * +,
*+
(), to mwimy, e
cigi te s rwnowane i tworz ten sam ukad, ktry oznaczamy
.
Takie ukady czsto nazywane s zbiorami z powtrzeniami. Jeeli w
ukadzie wystpuj parami rne elementy
, przy czym
powtarza si wukadzie
Definicja6. Niech bdziedowolnymzbiorem-elementowymi niech
bdzie liczb naturaln. Kady ukad wyznaczony przez wyrazow
wariacj z powtrzeniami ze zbioru nazywamy -wyrazow
kombinacj z powtrzeniami ze zbioru . Liczb tych kombinacji
oznaczamy
.
Dlakadego mamynastpujcerwnanie
()
()
.
PRZESTRZEPROBABILISTYCZNA:
Definicja 7. Przestrzeni probabilistyczn nazywamy trjk, ktr
oznaczamy ( ), gdzie jest zbioremzdarze elementarnych,
jest -ciaem zdarze za funkcj prawdopodobiestwa.
-zbir elementw, wszystkichmoliwychwynikwdowiadczenia.
Definicja 8. Niech dany bdzie zbir niepusty . -ciaem okrelonym
na przestrzeni nazywamy rodzin podzbiorw speniajc
nastpujcewarunki:
1.
2.
3.
Wasnoci -ciaa:
1.
2. . Zauwamy, e ( )
(( ))
3.
Definicja 9. Prawdopodobiestwemnazywamy funkcj okrelon na -
ciale owartociachrzeczywistych, speniajcnastpujcewarunki:
1.
()
2. ()
3. Dla dowolnej przeliczalnej rodziny zbiorw z -ciaa parami
rozcznych mamy: (
) (
(przeliczalna
addytywno)
4. () (unormowanie)
Dziedzinfunkcji prawdopodobiestwajest .
Wasnoci funkcji prawdopodobiestwa:
1. Skoczona_addytywno:
) (
)
[Ai^Aj=O]
Dowd: Niech
) (
) (
, przyjmujc
.
2. Monotoniczno prawdopodobiestwa: Jeeli , oraz
to () (). Funkcja prawdopodobiestwa jest
niemalejca.
Dowd: Niech (), to () ( ())
() () ().
3. Przeliczalna subaddytywno: jeli Ai e F, i=1,2,3, to mamy
(
) (
(niezakadajcrozcznoci
).
Dowd: Przyjmijmy nastpujce oznaczenia:
), itd. Zauwamy e
, a wic (
) (
oraz
) (
). Z tego wynika e
4. Skoczonasubaddytywno
Takajakpoprzednia, tylko1,2,3n, i zamiast niesk. jest n.
5. Cigo:
a. Jeli An e F i n+1 dla n=1,2,3, to (
).
b. Jeli to samo, tylko C si odwraca, to (
).
MODELKLASYCZNYPRZESTRZENI PROBABILISTYCZNEJ
Definicja10: (Klasycznadefinicja prawdopodobiestwa) Zakadamy, e
zbir skoczony ( *
+),
oraz e wszystkie
zdarzenia s tak samo prawdopodobne. Wiemy, e () (tzw.
miara unormowana), prawdopodobiestwemklasycznymnazywamy fcj
PokreslonanaFwzorem: ()
<-(omega)
MODELPRAWDOPODOBIESTWAGEOMETRYCZNEGO
( ) - przestrze probabilistyczna z prawdopodobiestwem
geometrycznym.
, (
) (zbiory borelowskie na
)
oraz
()
()
()
, gdzie
to -wymiarowa miara
Lebesquea (miara powierzchni zdegenerowanej, czyli np. dla
bdzie
topolepaszczyzny).
NIEZALENOZDARZE
Definicja 11. Dwa zbiory nazywamy niezalenymi jeeli
( ) ()().
1. Kiedy zdarzenia niezalene s rozczne? - rozczne gdy
. Niezalene gdy ( ) ()(). A
wic () ()() () ()
.
2. Kiedyzdarzenie jest niezaleneodsamegosiebie. ( )
()() () (())
()
() (jeeli jest ononiemoliwelubpewne).
Definicja 12. Niech dany bdzie cig zdarze
. Zdarzenia
) (
) (
s niezalene to rwnie
zdarzenia
s niezalene, gdzie
dla
.
PRAWDOPODOBIESTWOSUMYZDARZE
(
) (
()
).
PRAWDOPODOBIESTWOWARUNKOWE
Definicja13. Prawdopodobiestwemzajciazdarzenia podwarunkiem
zajcia zdarzenia takiego, e () nazywamy liczb: (
)
()
()
.
Dla , () oraz dana jest przestrze probabilistyczna
( ), gdzie * + oraz
() ()
()
()
. Czy (), gdzie todowolnyzbir
z, jest funkcjprawdopodobiestwa?
1. Funkcja ma wartoci dodatnie: ()
, a wic
()
()
2. Funkcjajest unormowana: ()
()
()
()
()
3. Przeliczalnaaddytywno: Niech
bdzierodzinzdarze
parami rozcznych, wtedy (
)
(
)
()
( ()
)
()
()
()
()
()
Z warunkw 1-3 mamy, e jest funkcj prawdopodobiestwa.
Dodatkowo jeeli i s niezalene (( ) ()()), to
()
()
()
()()
()
().
Definicja 14. Ukad zupeny zdarze (rozbicie przestrzeni ). Niech
speniajnastpujcewarunki:
1. Sparami rozczne:
2.
Taki ukadnazywamyukademzupenymzdarze(skoczonym).
Twierdzenie (wzr na prawdopodobiestwo cakowite). Jeeli *
stanowi ukad zupeny zdarze w przestrzeni , to dla dowolnego
zdarzenia prawdopodobiestwozdarzenia jest rwne:
() (
) (
, gdzie (
) dla
. Wynika to z wzoru ()
()
()
()
(), wtedy(
) moewystpiwmianowniku.
Dowd: () ( (
) () (
) () (
) (
, gdzie () z przeliczalnej
addytywnoci, () - zprawdopodobiestwawarunkowego.
Twierdzenie (wzr Bayesa). Jeeli *
)
(
)()
()()
.
Dowd: (
)
()
()
()
()
()()
(
)()
()()
() .
( )
Dowd: Jeeli sukces, - poraka to *(
( )
. Takich cigwjest .
/ std
() .
( )
.
Funkcja powysza okrelona na zbiorze przyjmuje najwysz
warto dla argumentu ( ) . Liczb m nazywamy
najbardziej prawdopodobn liczb sukcesw. Jeeli ( ) jest
liczb cakowit wwczas istniej dwa najbardziej prawdopodobne liczby
sukcesw
( ) i
( ) . Ponadto
(
) (
).
ZMIENNALOSOWA
Definicja 16. Zmienn losow okrelon na przedziale nazywamy
kad funkcj rzeczywist speniajc nastpujcy warunek:
()
() jest zdarzeniem(czyli
() )
Twierdzenie: Niech ( ) bdzie przestrzeni probabilistyczn,
wwczas nastpujce warunki s rwnowane (wystarczy sprawdzi
jedenznichabymiepewno, e jest zmiennlosow):
1. jest zmiennlosow
2.
()
()
3.
(())
*()+
/
4.
* () +
5.
* () +
6.
* () +
Definicja 17. Miar
(lub
() (
()).
Przeciwobrazemzbiorwborelowskichszdarzenia.
Twierdzenie. Rozkad prawdopodobiestwa
jest miar
prawdopodobiestwana().
Dowd:
1.
()
() (
)
(
)) (
)
() (
))
, gdzie () mamy
waciwo, e
) ,
gdy .
3.
() (
()) ()
Awic
jest miarprawdopodobiestwana().
Definicja18. Dystrybuant rozkadu nazywamy funkcj okrelon na
zbiorze liczb rzeczywistych o wartociach rzeczywistych i dan wzorem
() (( -)
Wasnoci dystrybuanty:
1. jest funkcjniemalejc
2. jest prawostronnieciga
3.
() oraz
()
Dowd:
1. Pokaemy, e dla dowolnych
rzeczywistych, takich e
mamy, e (
) (
). Istotnie skoro
to (
- (
- (
-, co
oznaczazdefinicji dystrybuanty, e(
) (
).
2. Aby pokaza, e jest funkcj prawostronnie cig naley
udowodni, e
() (
), czyli
) (
mamy (
) (
. Mamy std, e:
)
(
), w szczeglnoci
) (
),
co daje sprzeczno.
((
-).
3. Poniewa dystrybuanta jest funkcj monotoniczn wystarczy
wykaza, e dla pewnego cigu
mamy, e (
)
oraz dla pewnegocigu
mamy (
) . Niech
, wtedy
( -
( (
-) () . Niech
, wtedy
( -
( ( -
) () .
Twierdzenie. Dystrybuanta rozkadu ma co najwyej przeliczaln liczb
punktwniecigoci.
Definicja 19. Rozkad prawdopodobiestwa nazywamy dyskretnym
(skokowym) jeeli istnieje przeliczalny zbir *
+
(zbir wartoci zmiennej losowej) taki, e miara jest skupiona na tym
zbiorze, czyli () . (
, ()
Definicja 20. Rozkad prawdopodobiestwa nazywamy cigym, jeeli
istnieje nieujemna funkcja rzeczywista taka, e
(( -) ()
. Funkcja nazywa si
gstocirozkadui mawasno: ()
.
Definicja21. Rozkad nazywamy rozkademtypu cigego, jeeli istnieje
funkcja nieujemna okrelona na zbiorze liczb rzeczywistych o
wartociach rzeczywistych taka, e dystrybuanta zwizana z
rozkadem wyraa si wzorem: () ()
, czyli
( ) (). Zauwamy, e ()
( ) () .
Przykadyrozkadwdyskretnych:
1. Rozkad jednopunktowy: ,
() {
,gdy
,gdy
.
(* +) . Awic
(*+) ( )
.
( )
. Istotnie
(* +)
.
( )
( ( ))
.
4. Rozkad Poissona z parametrem .
(* +) . A
wic
(*+) ( )
. A wic
(* +)
(*+)
5. Rozkad geometryczny:
(* +) .
(*+)
( )
(* +) ( )
( )
Przykadyrozkadwcigych:
1. Rozkad jednostajny na odcinku , -:
() {
gdy , -
gdy , -
. Geometrycznierozkadtenjest
reprezentowany przez prostokt na powierzchni, gdzie bok
, - i bok 0
,-
( ) .
2. RozkadGaussowski (normalny) ( ) (rozkadnormalny z
parametrami i ). ()
()
. Jeeli
i (bo zawsze ) to rozkad () (zmienna
losowa ktra podlega rozkadowi normalnemu o parametrach i
) jest rozkademnormalnymstandaryzowanymi wzr si skracado
()
. Dlarozkadunormalnego ()
wartoci tej caki dla s policzone i zapisane w tablicach.
Wartoci te oznaczamy ()
. Jeeli
( ) to zmienna losowa
to rozkad
() (tzw. standaryzacja, czyli przejcie z rozkadu
normalnego na normalny standaryzowany). Pozwala to na
znalezieniewartoci dowolnegorozkaduwtablicachrozkadu.
WARTOOCZEKIWANA
Definicja 22. Wartoci oczekiwan zmiennej losowej o rozkadzie
dyskretnymnazywamy liczb rwn sumie
, gdzie
jest
wartoci zmiennej losowej za
) o ile
|
|
(jest skoczona).
Wasnoci wartoci oczekiwanej:
1. , gdy (zmienna losowa ma tylko jedn warto z
prawdopodobiestwem1)
2. () , dlakadego
3. ( ) , oileistnieje( )
Definicja 23. Jeeli jest zmienn losow typu cigego o gstoci to
wartoci oczekiwan zmiennej nazywamy liczb
()
oile ||()
(jest skoczona).
Uwaga! Jeeli jest funkcj mierzaln (borelowsk) to dla
zmiennej losowej dyskretnej mamy () (
)
, o ile
|(
)|
(szereg musi by bezwzgldnie zbieny), za dla
zmiennej cigej o gstoci mamy
() ()()
oile |()|()
.
Wartogranicznatypowychrozkadwdyskretnych:
1. Rozkad dwupunktowy: ( ) oraz ( )
to ( ) ( )
2. Rozkad dwupunktowy zero-jedynkowy: ( ) oraz
( ) to ( )
3. Rozkad Bernoulliego: ( ) .
, gdzie
oraz mamy, e
.
, ktr
rniczkujemy stronami po zmiennej i otrzymujemy (
)
4. Rozkad Poissona z parametrem . ( )
, gdzie . Wtedy
()
()
()
, gdzie
, .
.
Wartoci oczekiwanerozkadwtypucigego:
1. Rozkad jednostajny nad odcinkiem , - o gstoci ()
{
gdy , -
gdy , -
mamy, e ()
()()
.
2. Rozkadnormalny( ).
Definicja 24. Wariancj zmiennej losowej , dla ktrej istniej warto
oczekiwana nazywamy liczb
( )
()
( )
(()
()
()
()
()
.
Niech , takim e
() . Jeeli *
+ jest
zbiorem przeliczalnym oraz (
wwczas
()
( ()
(przypadekcigy).
W obu tych przypadkach zakadamy istnienie wartoci oczekiwanej
zmiennej losowej .
Definicja25. Odchyleniemstandardowymzmiennej losowej nazywamy
warto
Twierdzenie. Wasnoci wariancji:
1.
, gdy
2. Niech , wwczas
()
3. Dla dowolnych zmiennych losowych i
( )
() (zmiennelosowe i
snieskorelowane).
Dowd:
1.
( )
( )
, gdy
2.
() ( ())
( )
(( ))
( )
( )
3.
( ) ( )
(( ))
) ( )
()
(()
()
()
()
()
()
()
(() )
(()
).
Wariancjadlapozostaychrozkadw:
1. Rozkad jednopunktowy: ( ) , , to ,
awic
()
.
2. Rozkaddwupunktowy: ( ) , ( )
dla .
( )
( ( ))
( )
( )
( )
( )( ) ( )
( )(
) ( )
( ).
3. Rozkadzero-jedynkowy:
( ).
4. Rozkad Bernoulliego: .
/ ()
. Rniczkujc
dwukrotnieotrzymujemy
.
5. Rozkad Poissona z parametrem .
.
6. Rozkad jednostajny nad odcinkiem, -.
o gstoci
() {
gdy , -
gdy , -
.
()
) .
/ .
()(
()
7. Rozkad normalny Gaussa z parametrami ( ): ,
WEKTORLOSOWY
Niech dana bdzie przestrze probabilistyczna ( ).
Odwzorowanie (
) nazywamy wektoremlosowymlub
zmienn losow wielowymiarow, jeeli dla kadego zbioru
borelowskiego z przestrzeni
s zmiennymi
losowymi.
Definicja 26. Rozkadem wektora losowego (
)
nazywamy miar
) speniajcwarunek(opisanwzorem):
(
()
(
())
Definicja 27. Dystrybuant wektora losowego (
)
nazywamy funkcj ()
()
(
) ()((
)
(
) (
)) (
).
Definicja 28. Gstoci wektora losowego (
)
nazywamy funkcj
okrelon wzorem
()
(), gdzie
()
(), czyli
()()( () () )
( () ) ( () ).
Twierdzenie.
1. Jeeli ( ) jest wektoremlosowymo gstoci () to zmienne
losowe i sniezalene, jeli ()
( )
()
()
2. Jeeli ( ) jest wektorem losowym o rozkadzie dyskretnym, to
zmienne losowe i s niezalene, jeeli
) (
) (
)
3. Jeeli ( ) jest wektorem losowym o dystrybuancie () to
zmienne losowe , s niezalene jeeli ()
( )
()
()
Definicja 30. Niech , bd zmiennymi losowymi okrelonymi na
( ) i takimi, e || oraz || oraz ||
. Kowariancj zmiennych , nazywamy liczb ( )
(( )( )) (
) () .
Uwaga! Jeeli , s dyskretne, to
to
()
.
Definicja 31. Wspczynnikiem korelacji zmiennych , nazywamy
liczb ( )
()
. (z nierwnoci Schartza
|( )|
.
Wasnoci wspczynnikakorelacji:
1. |( )| Rwno ma miejsce wtedy i tylko wtedy, gdy
jest liniowkombinacj.
2. ( ) , tzn. gdy i s
nieskorelowane.
Twierdzenie. Jeeli dwie zmienne losowe i s niezalene do s
nieskorelowane.
Dowd:
1. Niech, zmiennelosowedyskretne, wtedy:
)(
.
2. Niech , bd typu cigego, gdzie ( ) - gsto wektora
( ), za
- gstoci brzegowe.
()
( )
()
()
()
()
.
Definicja 32. Niech dany bdzie wektor losowy (
). Macierz
kowariancji tego wektora nazywamy [
, gdzie
), czyli [
(
) (
)
(
) (
)
]
[
)
(
oraz
, gdzie
to.
, a wic (
. Jeeli
.
CENTRALNETWIERDZENIEGRANICZNE
Niech
dla kadego
, wtedy .
/ ()
(przybliamyzapomocrozkaduGaussowskiego)
Twierdzenie Moiviera Laplacea. Niech
/ () ().
Powyszetwierdzenietotaknaprawdprzypadekpoprzedniego, tylkodla
rozkaduBernoulliego.