I
WYKŁAD 4
AUTOR: ANNA NAWROT
TWIERDZENIE POISSONA (wniosek):
Założenia:
Jeżeli:
n³50 ,
0<p<0,1,
n×p<10
Wtedy:
Pn,k = ×pk×(1-p)n-k»(e-l×lk)/k!
Pn,k – prawdopodobieństwo uzyskania k-sukcesów w n-próbach Bernoulliego;
Prawdopodobieństwo uszkodzenia pojedynczego aparatu w trakcie jego sprawdzania wynosi 0,05. Jakie jest prawdopodobieństwo, że w trakcie sprawdzania 100 aparatów uszkodzimy mniej niż 5?
Zadanie to rozwiązujemy w oparciu o twierdzenie Poissona.
W naszym przypadku: n=100,
p=0,05,
q=0,95;
Niech zdarzenie A będzie sukcesem; w naszym przypadku A oznacza zdarzenie polegające na tym, że dany aparat został uszkodzony.
k£4
4
P100,k£4 = P100,0+P100,1+P100,2+P100,3+P100,4 = ×(0,05)K×(0,95)n-k
Korzystając z twierdzenia Poissona:
n×p=l=5
P100,k£4 »S (e-5×5k)/k!
K=0
(Wartość powyższego wyrażenia odczytujemy z tablic).
Niech (W, S, m) – przestrzeń z dowolną miarą m;
X: W ® R; (rozpatrujemy dowolne odwzorowanie X);
BÌR; X-1[B] := { wÎW : X(w)ÎB };
Definicja
Odwzorowanie X nazywamy m-mierzalnym, jeśli " aÎR : X-1[(-¥; a)]ÎS;
Uwaga:
Z własności s-ciał i własności miary:
X-1[(-¥; a)]ÎS Û X-1[(-¥; a>]ÎS Û X-1[(a,¥)]ÎS Û X-1[<a,¥)]ÎS Û " AÎB(R),
X-1[A]ÎS;
Gdzie A- dowolny zbiór borelowski;
Niech (W, S, P) – przestrzeń probabilistyczna,
X:W®R;
Definicja zmiennej losowej:
Mówimy, że X jest zmienną losową, jeśli jest odwzorowaniem P-mierzalnym, tzn. " aÎR: X-1[(-¥; a)]ÎS, czyli X-1[(-¥; a)] jest zdarzeniem, (tzn. umiemy określić prawdopodobieństwo tego zdarzenia).
Niech (W, S, P)-przestrzeń probabilistyczna,
W=<0,1>,
S={f,W,<0,1/2>,(1/2,1>},
P- prawdopodobieństwo;
Pytamy czy X jest zmienną losową?
1. Dla a£0 mamy:
X-1[(-¥; a)]={wÎW: X(w)<a}=fÎS,
2. Dla aÎ(0,1> mamy:
X-1[(-¥; a)]=<0,1/2)ÏS (czyli, rozwiązując zadanie, w tym momencie wiemy już, że X nie jest zmienną losową),
3. Dla a>1 mamy:
X-1[(-¥; a)]=WÎS;
Wniosek: Jeżeli rozpatrzymy przestrzeń (W, S, P) to X nie jest zmienną losową. Zdefiniujmy zatem inne s-ciało, np.:
S’={f, W, <0,1/2),<1/2,1>};
W przestrzeni probabilistycznej (W, S’, P) X jest zmienną losową.
Niech (W, S, P)-przestrzeń probabilistyczna
X ¯
(R, B(R), Px)
gdzie X-zmienna losowa, B(R)-zbiory borelowskie na prostej R;
Definiujemy zatem pewną miarę Px:
Px : B(R)'B®Px(B) := P(X-1[B]) = P({wÎW:X(w)ÎB});
(P:S®R, więc X-1[B]ÎS (a to wynika z definicji, że X-zmienna losowa);
Lemat:
a) X-1[U Bi]=U X-1[Bi];
b) BiÇBj =f Þ X-1[Bi] Ç X-1[Bj] =f; przy założeniu, że i¹j;
Twierdzenie:
Odwzorowanie Px jest miarą unormowaną (czyli prawdopodobieństwem).
Dowód:
Etap1: sprawdzenie warunków miary.
a) " BÎB(R) : Px(B) = P(X-1[B]) ³ 0
Nieujemność tej funkcji wynika z nieujemności prawdopodobieństwa P.
b) Px(f) = P(X-1[f]) =P(f) = 0;
c) Px(U Bi) = P(X-1[U Bi]) = P(U X-1[Bi]) = å P(X-1[ Bi]) =å Px( Bi);
iÎI iÎI (1) iÎI (2) iÎI iÎI
{przejście(1) na podstawie lematu(a), przejście (2) na podstawie lematu(b)}
Etap2: sprawdzenie czy jest to miara unormowana:
Px(R) = P(X-1[R]) = P(W) =1, zatem Px jest miarą unormowaną, ckd.
Prawdopodobieństwo Px nazywamy rozkładem zmiennej losowej X.
Grupa 25 studentów otrzymała następujące wyniki z egzaminu:
Ocena - Liczba studentów
1 - 2
2 - 4
3 - 5
4 - 10
5 - 4
Zmienna losowa opisuje ocenę uzyskaną przez losowo wybranego studenta. Podaj jej rozkład oraz oblicz Px((1,2>), Px(<2,4>), Px(<3,+¥)).
Niech Ai – „losowo wybrany student otrzymał ocenę ‘i’”;
P(A1)=2/25,
P(A2)=4/25,
P(A3)=5/25,
P(A4)=10/25,
P(A5)=4/25;
X : W'w ® iÎ{1,2,3,4,5}
Px({1}) = P( X-1[{1}]) = P({wÎW : X(w)=1}) = P(A1)=2/25,
Px({2}) = P( X-1[{2}]) = P({wÎW : X(w)=2}) = P(A2)=4/25,
Px({3}) = P( X-1[{3}]) = P({wÎW : X(w)=3}) = P(A3)=5/25,
Px({4}) = P( X-1[{4}]) = P({wÎW : X(w)=4}) = P(A4)=10/25,
Px({5}) = P( X-1[{5}]) = P({wÎW : X(w)=5}) = P(A5)...
slimalke