Professional Documents
Culture Documents
Przykład 1:
Rozpatrujemy doświadczenie polegające na rzucie symetryczną monetą. Wynikiem tego
doświadczenia mogą być zdarzenia "pojawienie się orła" albo "pojawienie się reszki"
tworzące zbiór zdarzeń elementarnych.
Na zbiorze zdarzeń elementarnych określamy zmienną losową X w sposób następujący:
X (orzeł) = 1; X (reszka) = 0
Zmienna losowa X przyjmuje wartość ze zbioru {0,1}. Ponieważ zdarzenia "pojawienie się
orła" i "pojawienie się reszki" realizują się z prawdopodobieństwami równymi 1/2, można
zapisać:
P(X=1) = P{orzeł} = 1/2,
P(X=0) = P{reszka} = 1/2.
Zmienną losową X – nazywamy dyskretną (skokową), jeżeli zbiór wartości zmiennej X jest
zbiorem skończonym lub przeliczalnym (ciąg liczbowy).
DEF
Rozkładem zmiennej losowej skokowej (funkcją rozkładu prawdopodobieństwa) nazywamy
funkcję prawdopodobieństwa, która każdej realizacji zmiennej X przyporządkowuje
określone prawdopodobieństwo:
P( X = xi ) = pi , dla pi ≥ 0
gdzie:
P(X = xi) – prawdopodobieństwo, że zmienna X przyjmie wartość xi oraz
n∞
∑p i =1
i =1
xi x1 x2 ... xn
pi p1 p2 ... pn
1
DEF
Dystrybuantą zmiennej losowej X nazywamy funkcję F(x) dla wszystkich liczb rzeczywistych
o postaci
F ( x ) = P ( X ≤ x ) = ∑ pi
xi ≤ x
0 dla x < x1
p1 dla x1 ≤ x < x2
F(x) = p1 + p2 dla x2 ≤ x < x3
…………………………….
p1 + p2 +…+ pn-1 dla xn-1≤ x < xn
p1 + p2 +…+ pn = 1 dla xn ≤ x
p1+p2+p3
p1 + p2
p1
x1 x2 x3 x4 xn
• 0 ≤ F ( x ) ≤ 1,
UWAGA
Znając rozkład zmiennej losowej można wyznaczyć jej dystrybuantę i odwrotnie.
Przykład 2
Niech przestrzeń zdarzeń elementarnych tworzy liczba oczek otrzymanych w rzucie
sześcienną kostką do gry. Na tej przestrzeni określamy zmienną losową. Zbiór wartości
2
przyjmowanych przez tę zmienną jest skończony i równy i niech będzie równy {1, 2, 3, 4, 5,
6}. Zmienna ta przyjmuje każdą wartość z równym prawdopodobieństwem: 1/6.
pi
1/6
1 2 3 4 5 6 xi
Dystrybuanta rozkładu doświadczenia polegającego na rzucie kostką do gry:
0 dla x < 1
1/6 dla 1 ≤ x < 2
2/6 dla 2 ≤ x < 3
F(x) = 3/6 dla 3 ≤ x < 4
4/6 dla 4 ≤ x < 5
5/6 dla 5 ≤ x < 6
6/6 = 1 dla 6 ≤ x
Przykład 3
Funkcję prawdopodobieństwa zmiennej losowej przedstawia poniższa tabela:
xi 0 1 2 3
pi 1/8 3/8 3/8 1/8
3/8 . .
1/8 . .
0 1 2 3 x
3
Dystrybuanta zmiennej losowej x 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)
7/8
4/8
1/8
0 1 2 3 x
i =1
σ = D2(X).
4
TEORETYCZNE PRZYKŁADY ROZKŁADÓW ZMIENNYCH LOSOWYCH
DYSKRETNYCH:
Założenia:
• przeprowadzamy doświadczenie, którego rezultatem mogą być dwa wzajemnie
wykluczające się zdarzenia losowe A oraz A ,
• prawdopodobieństwo realizacji zdarzenia A wynosi p, przy czym 0<p<1,
xi 0 1
pi 1-p p
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
5
• doświadczenie powtarzamy n-krotnie w sposób niezależny co oznacza, że
prawdopodobieństwo sukcesu pozostaje w pojedynczych próbach stałe i równe p,
Założenia
A, A, ... , A A , A , …, A
- prawdopodobieństwo otrzymania w eksperymencie takiego ciągu zdarzeń jest równe, ze
względu na niezależność pojedynczych doświadczeń, iloczynowi prawdopodobieństw
poszczególnych n zdarzeń, czyli p k (1 − p )
n−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.
6
Wartość oczekiwana i wariancja
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
DEF
Rozkład zmiennej losowej X przyjmującej wartość k=0,1,2,... nazywamy rozkładem Poissona
o parametrze λ, jeżeli jej funkcja prawdopodobieństwa opisana jest wzorem:
λk
P( X = k ) = e − λ , dla k=0,1,2,...
k!
gdzie:
λ jest dodatnią stałą (λ>0)
DEF
Dystrybuantą zmiennej losowej X mającej rozkład Poissona jest funkcja F(x) o postaci:
λk
F (x) = ∑ k! e− λ .
k≤x
E(X)=λ
D2(X)=λ