KOMBINATORYKA:

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

. Wniosek jeeli zbiory

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

razy ( ) to ukad zapisujemy

wnastpujcej postaci:

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

bd parami rozcznych zdarze wwczas:

(

) (

) (

, 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 niezalenymi jeeli: *+*+(

) (

) (

). UWAGA! Z niezalenoci parami nie

wynikaniezalenozespoowa.
Twierdzenie. Jeeli 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

bd zdarzeniami w przestrzeni . Jeeli zdarzenia

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 *

jest ukadem zupenym w

przestrzeni probabilistycznej , a jest zdarzeniem w takim, e
() , to(

)
(
)()
()()

.
Dowd: (

)
()
()
()
()
()()

(
)()
()()

, gdzie () ze wzoru na prawdopodobiestwo

cakowite.
Definicja 15. Schematem Bernoulliego nazywamy cig niezalenych
dowiadcze (takich samych) w ktrych moliwe s tylko dwa wyniki
nazywane umownie sukcesem i porak, gdzie sukces zachodzi z
prawdopodobiestwem a poraka z prawdopodobiestwem .
Poszczeglne dowiadczenia nazywamy prbami Bernoulliego.
Prawdopodobiestwo uzyskania sukcesww prbach (
) wynisi

() .

( )

Dowd: Jeeli sukces, - poraka to *(

+. Prawdopodobiestwo uzyskania cigu, w ktrym na

miejscach jest wynosi

( )

. 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

) okrelon na () (-ciele zbiorw

borelowskich na prostej) nazywamy rozkadem prawdopodobiestwa
zmiennej jeeli
()

() (

()).
Przeciwobrazemzbiorwborelowskichszdarzenia.
Twierdzenie. Rozkad prawdopodobiestwa

jest miar
prawdopodobiestwana().
Dowd:
1.
()

() (

()) . Zachodzi warunek

nieujemnoci funkcji prawdopodobiestwa.
2. Przeliczalna addytywno *+()

)
(

)) (

)
() (

))

, 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 (

- (

-. Poniewa miara rozkadu jest

miar rozkadu prawdopodobiestwa, zatem spenia wasno
monotonicznoci, tzn. e (

- (

-, co
oznaczazdefinicji dystrybuanty, e(

) (

).
2. Aby pokaza, e jest funkcj prawostronnie cig naley
udowodni, e

() (

), czyli

) (

). Poniewa dystrybuanta jest funkcj

monotoniczn to wystarczy pokaza, e dla pewnego cigu

mamy (

) (

). Wemy zatem cig

malejcy

. 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
.

(*+) (deltajest skoncentrowananapunkcie).

2. Rozkad dwupunktowy: , (*+) , (*+)
, gdzie ,-. Wtedy () .
Szczeglnym przypadkiem jest rozkad dwupunktowy zero-
jedynkowy, gdzie i , wtedy (*+) oraz
(*+) , gdzie ,-
3. Rozkad Bernoulliego. Niech bdzie zmienn losow, ktra jest
iloci sukcesw w prbach Bernoulliego. , a
wic

(* +) . Awic

(*+) ( )
.

( )

. Istotnie

(* +)
.

( )

( ( ))

.
4. Rozkad Poissona z parametrem .

(* +) . A
wic

(*+) ( )

. A wic

(* +)

(*+)

5. Rozkad geometryczny:

(* +) .

(*+)
( )

( ) dla ,-, a wic

(* +) ( )

( )

Przykadyrozkadwcigych:
1. Rozkad jednostajny na odcinku , -:
() {

gdy , -
gdy , -
. Geometrycznierozkadtenjest
reprezentowany przez prostokt na powierzchni, gdzie bok
, - i bok 0

1 majcy pole rwne . Istotnie

()

,-

( ) .
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
()

. Funkcja ta jest parzysta (()

()). () ( ) warto dystrybuanty w punkcie .
Awic() ()

. 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
.

. Aby to obliczy musimy skorzysta z

wasnoci ( )

, ktr
rniczkujemy stronami po zmiennej i otrzymujemy (
)

. Suma ta jest skoczona

wic moemy rniczkowa wyraz po wyrazie. Mnoymy wszystko
stronami przez oraz dodajemy wyraz dla ktry jest rwny
(co zmienia nam granice szeregu) i otrzymujemy (
)

. A wic moemy teraz

podstawi ( )

4. Rozkad Poissona z parametrem . ( )

, gdzie . Wtedy

()

()

()

, gdzie () - Zmiana granic

bopierwszywyrazi takjest rwny.
5. Rozkad geometryczny: ( )

, gdzie
, .

. Rniczkujc to stronami i postpujc

analogicznie jak w przypadku rozkadu Bernoulliego otrzymamy
wartooczekiwan

.
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

. Jeli zmienna losowa ma rozkad

dany gstoci 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

, ktra jest zakresem odwzorowania ,

przeciwobraz zbioru jest zdarzeniem (naley do -ciaa ) co jest
rwnowane temu, e wszystkie zmienne

s zmiennymi
losowymi.
Definicja 26. Rozkadem wektora losowego (

)
nazywamy miar

okrelon na -ciele zbiorw Borelowskich

(

) speniajcwarunek(opisanwzorem):
(

()
(

())
Definicja 27. Dystrybuant wektora losowego (

)
nazywamy funkcj ()

, ktra okrelona jest

na

o wartociach rzeczywistych (w przedziale ,-) okrelona

wzorem:

()
(

) ()((

)
(

) (

)) (

).
Definicja 28. Gstoci wektora losowego (

)
nazywamy funkcj

okrelon wzorem

()
(), gdzie

oraz i musi by rwna (bo

tomiararozkadu).
Definicja 29. Zmienne losowe i nazywamy niezalenymi jeeli
()
( )

()

(), 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

). Jeeli , scige ogstociach

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 [
(

) (

)
(

) (

)
]
[

)
(

]. Jeeli wektor ma wicej

wsprzdnych to ta macierz si rozszerza, na przektnej zawsze s
wariancje.
TwierdzeniePoissona. Jeeli ,

oraz

, gdzie
to.

, a wic (

. Jeeli

jest zmienn losow o rozkadzie

Bernoulliegozparametrami , to|(

.
CENTRALNETWIERDZENIEGRANICZNE
Niech

bd niezalenymi zmiennymi losowymi o takich

samych rozkadach i niech

dla kadego
, wtedy .

/ ()
(przybliamyzapomocrozkaduGaussowskiego)
Twierdzenie Moiviera Laplacea. Niech

bdzie zmienn losow o

rozkadzie Bernoulliego z parametrami , , . Wwczas

/ () ().
Powyszetwierdzenietotaknaprawdprzypadekpoprzedniego, tylkodla
rozkaduBernoulliego.