Professional Documents
Culture Documents
Rozdzia 1
Rachunek prawdopodobienstwa
1.1 Zdarzenia
stwa jest przestrze Podstawowym poj eciem rachunku prawdopodobien n zdarze n elemenciej b tarnych, ktr a najcz es edziemy oznacza c przez . W tej ksi az ce ograniczymy si e do czonym. Dzi przypadkw, gdy jest zbiorem skon eki temu b edziemy mogli ograniczy c si e to prostych rozwa za n. Elementy przestrzeni nazywamy zdarzeniami elementarnymi. Przestrze n zdarze n cz esto zwi azana jest z jakim s eksperymentem losowym (probabilistycznym).
Przykad 1.1 a) Przypu sc my, z e rzucamy monet a. Przestrze n zdarze n elementarnych mo ze by c wtedy okre slona jako , gdzie oznacza wypadni ecie ora, a reszki.
b) W przypadku rzutu dwoma (rozr znialnymi) monetami przestrze n zdarze n elementarnych mo ze by c okre slona jako , gdzie oznacza, z e wypady dwa ory; ,z e na pierwszej monecie wypad orze, a na drugiej reszka; ,z e na pierwszej reszka, a na drugiej orze; a ,z e na obu monetach wypady reszki.
c) Przypu sc my, z e mamy urn e z sze scioma ponumerowanymi kulami, i z e kule o numerach 1 i 2 s a biae, a kule o numerach 3,4,5 i 6 s a czarne. Przestrze n zdarze n elementarnych mo ze by c zdeniowana jako . d) Przy rzucie kostk a
0"24%5&6)(71535 .
!#"$%#$&#')(0'12'3#'
e) Przy rzucie dwiema (rozr znialnymi) kostkami . Zdarzenie odpowiada wynikowi, gdzie na pierwszej kostce wypado oczek, a na drugiej . f) Przy rzucie monet a i kostk a na przykad opisuje wynik, gdzie na monecie wypad orze, a na kostce 6 oczek. 3
9BA4DC@E C
8@9BA4DC@EGFH"PI!A4QCRI3S A
3
!"#%54&S4T(61S36"2%S&ST(61S35 ;
stwa Rozdzia 1. Rachunek prawdopodobien g) W przypadku rzutu (rozr znialnymi) monetami przestrze n zdarze n elementarnych mo ze by c okre slona jako zbir wszystkich elementowych ci agw z warto sciami lub .
h) Przypu sc my, z e mamy urn e z dwoma kulami biaymi i trzema czarnymi, i z e losujemy dwie kule z tej urny. Oznaczmy te kule przez , , , i . Przestrzeni a zdarze n elementarnych mo ze tu by c albo zbir dwuelementowych podzbiorw zbioru kul, lub zbir dwuelementowych ci agw bez powtrze n. Zale zy to od tego, czy b edziemy rozpatrywa c zdarzenia, w ktrych rozr zniamy wylosowane kule, czy nie rozr zniamy. Mo zna te z rozpatrywa c przestrzenie zdarze n nie zwi azane z eksperymentem: Przykad 1.2 Przestrzeni a zdarze n elementarnych mo ze by c: a) Zbir liter lub sw wyst epuj acych w jakim s tek scie, ksi az ce lub li scie. b) Zbir mo zliwych hase potrzebnych do uzyskania dost epu do danych lub systemu. Je zeli zbir mo zliwych hase jest zbyt may, to atwo mo zna zama c zabezpieczenia. c) Zbir mo zliwych wylicze n algorytmu probabilistycznego (algorytmu, ktry korzysta z funkcji losuj acej). Dowolny podzbior nazywamy zdarzeniem. Pami etajmy, z e rozwa zamy tylko sko nczone przestrzenie zdarze n elementranych. W przypadku, gdy nie jest zbiorem sko nczonym, konieczna jest inna denicja zdarzenia. Cay zbir nazywamy zdarzeniem pewnym, a zbir pusty zdarzeniem niemo zliwym. Zdarzenia roz aczne, , nazywamy wykluczaj acymi si e. Zdarzenie nazywamy zdarzeniem przeciwnym do zdarzenia .
Przykad 1.3 a) W przykadzie 1.1b, z rzutem dwoma monetami, mamy zdarze n. Zbir jest zdarzeniem polegaj acym na tym, z e na pierwszej monecie wypad orze. b) W przykadzie 1.1e, z rzutem dwoma kostkami, mamy zdarze n. Zbir jest zdarzeniem, z e suma oczek na obu kostkach wynosi 5. c) W przykadzie 1.1c, z kulami, bia a.
" 3R %
%
0" $4%2$
d) Rzut czteroma monetami, przykad 1.1g z , zdarzenie, z e na pierwszej i trzeciej monecie wypady ory to , a zdarzenie, z e na pierwszej i trzeciej monecie wypado to samo to .
1.2 Prawdopodobienstwo
Denicja 1.4 Prawdopodobie nstwo, lub rozkad prawdopodobie nstwa, jest funkcj a okre slon a na zbiorze zdarze n (w naszym przypadku na zbiorze wszystkich podzbiorw ). Ka zde mu zdarzeniu przypisujemy liczb e rzeczywist a , jego prawdopodobie nstwo. Funkcja ta musi spenia c warunki: Aksjomaty prawdopodobienstwa A1) A2)
9 E
9 E S D9 E ! ",
dla ka zdego
s a roz aczne, to
E 9 E 9 E
stwem b wraz z okre slonym na nim prawdopodobien edziemy zdarze nazywa c przestrzeni a probabilistyczn a. W przypadku, gdy przestrze n n elementarnych jest zbiorem sko nczonym, wystarczy okre sli c prawdopodobie nstwa dla zdarze n elementarnych. Musz a by c tylko spenione dwa warunki:
9 E 6 9
E " ,
dla ka zdego
9 E !
"#
9 % E$
stwo spenia aksjomaty atwo mo zna sprawdzi c, z e tak zdeniowane prawdopodobien denicji 1.4. W przypadku, gdy przestrze n zdarze n elementarnych jest zbiorem wszystkich mo zciej przyjmuje si liwych wynikw jakiego s eksperymentu, najcz es e, z e funkcja prawdo . Mamy podobie nstwa przypisuje, ka zdemu zdarzeniu elementarnemu tak a sam a warto sc stwa. W tej ksi wtedy do czynienia z klasyczn a denicj a prawdopodobie n az ce b edziemy ciej u najcz es zywa c klasycznej denicji, a w razie odst epstwa od tej umowy, b edziemy to specjalnie zaznacza c. Denicja 1.5 Rozkad prawdopodobie nstwa, w ktrym ka zde zdarzenie elementarne ma takie samo prawdopodobie nstwo
9
" E F F
nazywamy rozkadem jednostajnym. Przykad 1.6 a) Dla rzutu dwoma monetami (przykad 1.1b mo zemy okre sli c prawdopodobie nstwo wedug klasycznej denicji: mamy wtedy
stwa Rozdzia 1. Rachunek prawdopodobien Ale oczywi scie funkcja prawdopodobie nstwa mo ze by c dowoln a funkcj a speniaj ac a warunki A4 i A5. Na przykad
lub
9 E ('$ %5
9 E )$ % (6
9 E &S4%215
9 E )$ S 1
9 E )$ S %
. b) W przykadzie 1.2a, ze zbiorem wszystkich liter w tek scie, prawdopodobie nstwo mo ze by c zdeniowane jako cz esto sci wyst epowania poszczeglnych liter w tym tek scie. Na podstawie cz esto sci wyst epowania liter mo zna zgadywa c w jakim j ezyku napisany jest tekst. Podobnie mo zna rozpatrywa c cz esto sc wyst epowania sw w tek scie i na tej podstawie zgadywa c autorstwo tekstu. W nast epuj acym twierdzeniu zebrano kilka prostych wnioskw wynikaj acych z aksjomatw prawdopodobie nstwa. Twierdzenie 1.7
9 E%$
9 E
.
oraz
oraz
, a poniewa z
Przykad 1.8 (kontynuacja przykadu 1.3d) z czteroma monetami). Je zeli zao zymy rozkad jednostajny, to prawdopodobie n stwo z e na pierwszej i trzeciej monecie wypad orze wynosi , a prawdopodobie nstwo, z e na pierwszej i trzeciej monecie wypadnie to samo wynosi . Podobnie w przypadku, gdy monetami (przykad 1.1g). Przestrze n rzucamy zdarz e elementarnych zawiera ci agw, z czego sprzyja zdarzeniu, z e na pierw szej i trzeciej monecie wypadnie orze, a sprzyja zdarzeniu, z e na pierwszej i trzeciej monecie jest to samo. Tak wi ec otrzymamy takie same prawdopodobie nstwa jak w przypadku rzutu czteroma monetami.
" ( " %
& % %
b Twierdzenie 1.9 Niech dzie rodzin a parami roz acznych zdarze n( e). dla ka zdej pary indeksw Wtedy
$ $ $ A C
9 Q E
Dowd przez indukcj e: Dla twierdzenie zachodzi w sposb trywialny. Za zmy, z e twierdzenie jest prawdziwe dla dowolnej rodziny zbiorw. Rozpatrzmy $
"
Poniewa z
E 9 Q E
9 D E%$
Dowd przez indukcj e: Dla twierdzenie zachodzi w sposb trywialny. Za zmy, z e twierdzenie jest prawdziwe dla dowolnej rodziny zbiorw. Z twierdzenia 1.7c i z zao zenia indukcyjnego mamy ) $
"
$$$ I 9 E
EI
9 E
9 E
9 F E 9 F E 9 9 E E $
pod warunkiem, z e
Mo zemy powiedzie c, z e jest to prawdopodobie nstwo zaj scia zdarzenia w sytuacji, gdy , z mamy pewno sc e zaszo zdarzenie . Przy klasycznej denicji, gdy prawdopodobie n wyst stwo c stwo oznacza cz esto sc apienia, to prawdopodobien oznacza jaka cz es elementw zbioru nale zy do zbioru . Wniosek 1.12
Je zeli jest niezale zne od zdarzenia . W takim przypadku zaj scie zdarzenia nie zale zy od tego, czy zaszo zdarzenie . Je zeli i s a zdarzeniami o niezerowych prawdopodobien i jest niezale zne stwach od , to jest niezale z ne od . Rzeczywi s cie poci a ga , a to poci aga
9 E 9 E
9 E 9 F E 9 E . 9 F E 9 E , to mwimy, ze zdarzenie
9 F E
Dlatego mo zna mwi c, z e w takim przypadku zdarzenia Denicja 1.13 Mwimy, z e zdarzenia i
Przykad 1.14 (Kontynuacja przykadu 1.1c, z sze scioma kulami). Zdarzenie wylosowania kuli biaej i zdarzenie wylosowania kuli z parzystym numerem s a niezale zne, poniewa z oraz . Po prostu cz esto sc wyst epowania kuli biaej w srd kul o parzystych numerach (1 na 3) jest taka sama jak cz esto sc wyst epowania kuli biaej w srd wszytkich kul (2 na 6).
, to mwimy, z a one Je zeli mamy wi ecej zdarze n parami zne, e s niezale je zeli ka zde dwa zdarzenia s a niezale z ne, to znaczy gdy dla ka zdej pary .
A C
$$$
#"2
$$$
9 % E$
E 9 DE 9 E
Przykad 1.16 (Kontynuacja przykadu 1.1b, z rzutem dwoma monetami). Niech b edzie zdarzeniem, z e na pierwszej monecie wypad orze, , z e na drugiej monecie wypad orze, a , z e na obu monetach wypado to samo. Mamy
"I A c zdarzenia s a dla ka zdej pary indeksw parami E zne, CJakI wida & mamy E 9 niezale 9 poniewa E . zAle 9 te zdarzenia te nie s a niezale zne, poniewa z " 9 " E 9 E 9 E $ E 9 (
9 E 9 E 9 E E 9 E 9 E
%" 9
E (" $
1.4. Prawdopodobie nstwo cakowite Przykad 1.17 W przypadku rzutu $ wypad orze. Wtedy zdarzenia dla ka zdego , ,
A 9 E " 2% dla kazdej pary A C , 9 E !" ( dla kazdej trjki A C , 9 E " , itd.
prawdopodobie nstwo, z e wypadn a same ory, wynosi
$ $
" %
"TI A I , " I A C I (zdarzenia s , dla a parami roz aczne), H (zdarzenia daj a w sumie ca a przestrze n). wynosi Wtedy prawdopodobie nsto dowolnego zdarzenia E 9 E 9 E 9 F
9 Q E
$$$
, dla ka zdego
Dowd Mamy
9
Ponadto
QE 9 E
%E $
dla
A C
Z wniosku 1.12 mamy ; co daje tez e twierdzenia. W przypadku dwch zdarze n uzupeniaj acych si e i wzr z twierdzenia 1.18 wygl ada nast epuj aco:
E%$ E 9 E 9 F E 9 9 E 9 F E 9 E 9 F E 9 E $
9 E
(1.1)
10
Przykad 1.19 Wyobra zmy sobie urn e z trzema kulami: 1 bia a i 2 czarnymi. Przypu sc my, z e pierwsza osoba wylosowaa jedn a kul e i schowaa j a. Jakie jest prawdopodobie nstwo, z e druga osoba wylosuje kul e bia a? Niech oznacza, z e pierwsza osoba wylosowaa bia a kul e, wtedy oznacza, z e wylosowaa czarn a kul e. Niech oznacza, z e druga osoba wylosowaa bia a kul e . Mamy , , oraz . Razem daje to
9 F E " %
A jakie jest prawdopodobie nstwo, z e po drugim losowaniu w urnie zostanie biaa kula? Zajdzie to wtedy, gdy obie osoby wylosuj a kul e czarn a. Z wniosku 1.12 mamy
Jak wida c prawdopodobie nstwo wylosowania biaej kuli jest takie samo dla pierwszego, drugiego i trzeciego losuj acego. Poniewa z przestrze n zdarze n jest tutaj maa, wi ec mo zna nasz wynik sprawdzi c bezpos rednio. Oznaczmy kule przez , i . Niech przestrze n zdarze n elementarnych b edzie
" $ %2' &#' @9 " $% ' E 9)" $&2' E 9D% ' " $ E 9 %2'&#' E 9 &#' "$ E 9 &2' % ' E $ 9
Zakadamy, z e ka zdy z tych wynikw jest rwnie prawdopodobny. Wida teraz, z e zdarze c nia: , oraz s a rwno prawdopodobne. Rozwa zmy teraz przypadek, gdy w urnie jest kul z czego biaych. Znowu zakada my, z e ka z dy wynik losowa n jest rwnie prawdopodobny. Mamy , dwch , oraz . Razem daje to Czyli w tym przypadku, rwnie z druga osoba ma tak a sam a szans e wylosowania kuli biaej co pierwsza.
!09 "$%2' E 9 "$&#' E4 @9 % ' " $ E 9 &2' " $ E 9 E 9 SE 9 F E 9 " E 59 " E 9 E " " "
Przykad 1.20 Wyobra zmy sobie dwie urny z kulami. W pierwszej urnie jest jedna kula biaa i jedna czarna, a w drugiej urnie dwie biae i jedna czarna. Rzucamy monet a. Je zeli wypadnie orze, to losujemy kul e z pierwszej urny, je zeli reszka, to losujemy z drugiej urny. Jakie jest prawdopodobie nstwo, z e wylosujemy kul e bia a? Niech oznacza wylosowanie kuli biaej, a wypadni e cie ora na monecie, wtedy oznacza, z e na monecie wypada reszka. Mamy oraz -jest to prawdopodobie nstwo wylosowania kuli biaej pod warunkiem, z e wypad orze i losowali s my z pierwszej urny. -jest to prawdopodobie nstwo wylosowania kuli biaej pod warunkiem, z e wypada reszka i losowali smy z drugiej urny. Korzystaj ac teraz ze wzoru (1.1) mamy
11
Zastanwmy si e teraz jak powinna wygl ada c przestrze n probabilistyczna w tym przykadzie. Niech zawiera wszystkie mo zliwe wyniki eksperymentu.
Aby by c w zgodzie z intuicj a i naszymi poprzednimi wyliczeniami rozkad prawdopodobie nstwa powinien by c nast epuj acy:
" ( (R,1b) " 3 (R,2b) "3 (R,3c)} "3 Rozkad jednostajny nie jest w%tym smy prawdopodobie n21 przykadzie dobry, bo mieliby . stwo, wypadni ecia ora rwne
(O,2b)
" (
O
9 E
"
O 9 E " R " !4 . Niech b) Rozwa zmy rzut dwoma monetami, (przykad 1.1b)
i
9 E
9 E
OO
OR
"
RO
"
RR
" "
Zmienna okre sla wynik rzutu na pierwszszej monecie, , je zeli wypad orze, i , je zeli wypada reszka. W podobny sposb zmienna losowa okre sla wynik rzutu na drugiej monecie.
9 E "
9 E
12
stwa Rozdzia 1. Rachunek prawdopodobien c) Rozwa zmy rzut zdego , monetami, (przykad 1.1g). Dla ka zmienn a ; , je zeli na -tej monecie wypad orze, oraz je zeli wypada reszka.
9 E
A "I A I
9 E "
okre slamy ,
d) Rozwa zmy losowanie acej siedem ponumerowanych kul. jednej kuli z urny zawieraj . Niech zmienna losowa bedzie zdeniowana jako
0"2%S&6)(64153S @
9 E ( %5
a zmienna losowa
jako
( jest reszt a z dzielenia numeru kuli przez 2, a 3). Warto sci tych dwch zmiennych zebrane s a w tabeli.
9 E
9 E ( &'$
1 1 1 2 0 2 3 1 0 4 0 1 5 1 2
9 E
6 0 0
9 E
9 E
7 1 1
Mo zemy teraz okre sli c inne zmienne losowe, na przykad , . Ich warto sci zebrano w tabeli
,
1 2 1 1
2 2 0 -2
e) Rozwa zmy rzut dwoma kostkami (przykad 1.1e) . Niech oznacza wynik rzutu na pierwszej kostce, wynik rzutu na drugiej kostce. okre Wtedy zmienna sla sum e oczek na obu kostkach.
3 1 0 2
4 1 0 -1
5 3 2 0
6 0 0 0
7 2 1 1
9 E F 9 E $
jako
Zauwa zmy, z e je zeli liczba nie nale zy do zbioru warto sci zmiennej , to zda stwo zdarzenia jest zdarzeniem niemo rzenie zliwym. Prawdopodobien wynosi $
9 E
9 E
9 E
9 E
9 E
13
9 &#E ! &S350
Zmienna losowa
9 %#E %S15
posiada wi ec rozkad
9 E %0 &1 %2
Podobnie zmienna
ma rozkad
Poniewa z, jak zao zyli smy jest zbiorem sko nczonym, to zbir ( warto zmien sci z jest sko nczony. Dla mamy . Tak wi ec funkcja nej te g esto sci przyjmuje sci niezerowe tylko dla sko nczenie wielu argumentw. Zauwa z warto , to zdarzenia i wykluczaj my, z e je zeli a si e. Mamy przy tym
9 E & 0 (1
9 E
9 E
9 E
9D E
, to 9 E dla kazdego . ". 9 E 9 E " rozumiemy jako sko Dowd. Sum e nczon a sum e po zbiorze warto sci
zmiennej
9 E
9 E
9 E
9 E $
Zauwa zmy, z e ostatnia podwjna suma jest sum a po wszystkich elementach grupowanych wedug warto sci zmiennej . Mamy wi ec
po-
9 E
9 E
9
E !"$
ci przedstawiaj W dalszej cz es ac funkcj esto sci zmiennej losowej e g wa za c tylko te , dla ktrych .
b edziemy roz-
Przykad 1.26
a) Zmienna losowa
9 E " -1 % "1 %
14
stwa Rozdzia 1. Rachunek prawdopodobien b) Niech oznacza sum e warto sci oczek w rzucie dwoma kostkami, przykad 1.22e. G esto sc rozkadu prawdopodobie nstwa zmiennej losowej przedstawia nast epuj aca tabela:
9 E
" 2&23 %3 &4 (5&23 1 6&23 3 7&23 18 (9 & 10 &23 % 11 &23 " 12 &23
Maj ac funkcj e g esto sci rozkadu zmiennej zdarze n opisywanych za pomoc a zmiennej .
Przykad 1.27
9 %2E 9 &
lub
oraz
s a roz aczne.
W przypadku dwch zmiennych losowych i okre slonych na tej samej przestrzeni stwa, ktrego zdarze n elementarnych mamy tak zwany aczny rozkad prawdopodobie n jest okre g esto sc slona jako
9 E
9 E 9 E.
i
E%$
i
, z przykadu 1.22b
b) Dla zmiennych i z przykadu 1.22d aczny rozkad prawdopodobie nstwa przedstawiony jest w tabeli:
0 1
0 1
. Wtedy
a) b)
9 E 9 E 9 E 9 E
15
poniewa z
E 9 E 9 E 9 E 9 E 9 E
Z drugiej strony
9 E
E 9 E
Przykad 1.30 Sumuj ac wiersze tabeli z przykadu 1.28b mo zna otrzyma c g esto sc rozkadu zmiennej , a sumuj ac kolumny g esto sc rozkadu .
0 1
" "
1
&
"
Podobnie jak dla jednej zmiennej, maj ac g esto sc acznego rozkadu prawdopodobien stwa dwch zmiennych i mo zna oblicza c prawdopodobie nstwa zdarze n opisywanych przez te zmienne.
oraz
i
lub
E 9
"
lub
i
%
lub
!"
%2E
16
9 E 9 E 9 E 9 E 9 E
g esto sc zmiennej
,a
g esto sc
Przykad 1.33 Zmienne losowe i z przykadu 1.28a s a niezale zne, natomiast zmienne i z przykadu 1.28b nie s a niezale zne.
Oczywi scie mo ze by c wi ecej zmiennych losowych okre slonych na jednej przestrzeni stwa, zdenioaczny rozkad prawdopodobie n Dla trzech zmiennych losowych , , wany jest jako %$ i i
9 E 9
oraz na przykad
W oglnym przypadku zmiennych losowych podobie nstwa okre slony jest jako
9
9 E 9 % E$ 9 E 9 E$ 9 i E
9 E
9 E
9 E
$$$
$$$
E 9
$$$
E$
9
i
,
E
,
$$$
9 $$$ E$
9 E 9 E 9 E 9 E%$
zmiennych losowych
zmiennych losowych 1.6. Niezale zno sc Denicja $ $ $ 1.35 Zmienne losowe zachodzi
17
$$$
9 E
9 E$
Przykad 1.36 Wr c do przykadu zdego my z rzutem monetami, przykad 1.22c. Dla ka zmienna losowa jest rwna je zeli na -tej monecie wypad orze, i 1 je z eli na -tej $$$ monecie wypada reszka. Zmienne s a niezale zne.
Poka zemy teraz, z e je zeli zmienne losowe i zdarzenia opisywane przez te zmienne. Dokadniej
Twierdzenie 1.37 Niech i b ed a niezale znymi zmiennymi losowymi, a nymi podzbiorami zbioru liczb rzeczywistych. Wtedy zdarzenia
dowol-
9 E
$ $ $ 0T 9 E
oraz
F
istniej a
A4DC
takie, z e
9 E
oraz
9 E E
czyli
E%$
18
a poniewa z
s a niezale zne
ale
9 E 9 E
9 D E 9 E
oraz
9 E 9 E $
9 E
9 E
9 E 9 % E$
9 E
9 E 9 E $
to liczba
stwa, to jej warto oczeJe zeli zmienna posiada jednostajny rozkad prawdopodobie n sc redni kiwana jest zwyk as a arytmetyczn a jej warto sci.
9 E
oczekiwana jest nazywana s redni W oglnym przypadku warto sc a wa zon a. Lemat 1.40
9 E
9 E%$
9 E
9 E 9 E
9 E$
19
Przykad 1.41 Przypu sc my, z e mamy informacj e, z e w jakiej s grupie studenckiej poowa studentw otrzymaa ocen e 5 z matematyki dyskretnej, jedna trzecia otrzymaa ocen e 4, a jedna szsta ocen e 3. Jaka jest s rednia ocena w tej grupie? Przyjmujemy, z e grupa jest przestrzeni a losow a, a zmienna losowa jest ocen a studenta. Wtedy warto sc oczekiwana zmiennej
jest s redni a ocen a w tej grupie. istnieje zdarzenie elementarne Wniosek 1.42 zdej zmiennej losowej Dla ka takie, z e oraz . oraz Podobnie istnieje zdarzenie takie, z e .
9 E
9 E
9 E
9 E
9 EI 9 E
c twierdzenia, drug Dowd: Udowodnimy tylko pierwsz a cz es a mo zna udowodni c w podobny sposb. stwem mamy my, z z dodatnim prawdopodobien Przypu sc e dla ka zdego . Ale to prowadzi do sprzeczno sci
9 E
9 E
9 E
"
9 E 9 E
9 E 9 E 9 E
"
9
E 9 E%$
W przypadku klasycznej denicji wniosek 1.42 opisuje prosty fakt, z e zawsze istnieje mniejsza od lub rwna warto redniej oraz warto wi przynajmniej jedna warto sc sci s sc eksza redniej. od lub rwna s W poni zszym twierdzeniu zebrano podstawowe wasno sci warto sci oczekiwanej.
Twierdzenie 1.43
a)
Dowd: a)
9 E
"
9 E 9 E
9 E
9 E
9 E 9 E%$
b)
E 9 E
9 E
9 E
9 E%$
c)
9 E
20
9 E 9 E 9 E 9 E 9 E i 9 E 9 E 9 E 9 E%$ 9 E 9 E 9 E . d) Je zeli dla ka zdego , , to (" $ $ $ Twierdzenie 1.44 Warto sc oczekiwana sumy zmiennych jest rwna 9 E 9 D% E$ $ $ $ s Twierdzenie 1.45 Je zeli zmienne a niezale zne, to warto sc oczekiwana ich iloczynu rwna si e E$ 9 %
Twierdzenie 1.46 (Nierwno sc Markowa) Je zeli zmienna losowa nieujemne, to dla dowolnej liczby rzeczywistej
Dowd:
E I 9 E $
9 E
9 E
!
9 E
9 E
!
9 E
!
9 E
&
E$
!
9 E
Markowa jest u Zauwa e nierwno sc zyteczna tylko kiedy zmy, z , to mamy trywialne oszacowanie bowiem
I 9 E
E I "I 9 E $
9 E . Jezeli
Przykad 1.47 Nierwno sc Markowa wyra za do sc prosty fakt. Przypu sc my, z e okre sla liczb e pieni edzy posiadan a przez studenta. Je zeli warto sc s rednia zmiennej wynosi 100 zotych, to ze mie c 200 lub wi ecej zotych. Przypu sc my bowiem '$ # " tylko poowa studentw mo z e cz es c studentw posiada 200 (lub wi e cej) zotych. Wtedy udzia tej )$ $" % " bogatej cz es ci studentw w s redniej wynosi co najmniej ,i warto sc s rednia nie mo ze wynosi c 100 zotych, je zeli zmienna nie przyjmuje warto sci ujemnych.
% 09 1
E "
"
21
Poka zemy teraz jak mo zna wykorzysta c prawdopodobie nstwo do rozwa za n kombinatorycznych. Udowodnimy nast epuj ace: Twierdzenie 1.48 Wierzchoki dowolnego grafu mo zna pokolorowa c dwoma kolarami (biaym i czarnym) w taki sposb, z e przynajmniej poowa kraw edzi ma swoje ko nce w r znych kolorach. Zanim przejdziemy do dowodu wyja snjmy kilka rzeczy: Denicja 1.49 Graf jest to dowolny sko nczony zbir wierzchokw wraz ze zbiorem kraw edzi , gdzie kraw edzie to pary wierzchokw.
cami kraw Dla kraw edzi mwimy, z e wierzchoki i s a kon edzi lub, z e kraw ed z aczy i . Graf cz esto przedstwiamy na rysunku jako zbir punktw po aczonych ukami. Na przykad rysunek 1.1 przedstawia graf ze zbiorem wierzchokw i zbiorem kraw edzi
H6
# 7FH
$
7
$'
'
ce w jedatwo jest pokolorowa c ka zdy graf tak, aby ka zda kraw ed z miaa oba kon nym kolorze. Wystarczy wszystkie wierzchoki pokolorowa c tym samym kolorem. Graf z rysunku 1.1 mo zna pokolorowa c tak, aby ka zda kraw ed z bya dwukolorowa. Trzeba pokolorowa c na biao wierzchoki , , i i na czarno wierzchoki , i . Ale nie dla ce w ka zdego grafu jest mo zliwe takie pokolorowanie, w ktrym ka zda kraw ed z ma ko n r znych kolorach. Na przykad dla trjk ata, czyli grafu z wierzchokami i kraw edziami (patrz rysunek 1.2) nie istnieje takie pokolorowanie.
'
!#"24%5&5
22
"
% H 6
&
my, z wierzchokw i Dowd twierdzenia 1.48: Przypu sc e graf ma zdarze kraw edzi. Rozwa zmy przestrzen n elementarnych zo z on a ze wszystkich mo z liwych pokolorowa n wierzchokw grafu . Jest ich . Dla ka z dej kraw e dzi okre slmy zmienn a losow a w nast epuj acy sposb: , je zeli w kolorowaniu oba ko nce kraw e dzi maj a r z ne kolory i w przeciwnym ko , poniewa przypadku. z w poowie kolorowan nce maj a r zne kolory. W jednej czwartej kolorowa n oba ko n ce s a biae (kolorowa n , w kttych i maj a kolor biay, jest , bo na tyle sposobw mo zna pokolorowa c pozostae wierzchokw) oraz w jednej czwartej kolorowa n oba s a czarne. . Rozwa zmy teraz sum e zmiennych losowych Mamy wi ec
F F F F %
F F
9 !"E
9 E
9 E "
9 E !" %
%
zmiennej Warto sc
. Ale
Dlatego, zgodnie z wnioskiem 1.42 musi istnie c kolorowanie , dla ktrego . Srednia liczba r znokolorowych kraw edzi w kolorowaniu mo ze by c obliczona bez stwa. Policzmy ile we wszystkich kolou zywania terminologii rachunku prawdopodobien rowaniach jest r znokolorowych kraw edzi. Z jednej strony jest to
2%
9 E
"
Z drugiej strony
% % $
wynika z tego, z , w ktrych jest r Przedostatnia rwno e liczba kolorowan znoko sc lorowa wynosi (poowa wszystkich). Srednia liczba r znokolorowych kraw edzi w kolorowaniu wynosi wi ec
1.8. Wariancja
23
1.8 Wariancja
redWariancja jest miar a tego jak bardzo warto sci zmiennej s a oddalone od s niej. Im wi eksze rozrzucenie warto sci tym wi eksza wariancja. W poni zszym twierdzeniu zebrano podstawowe wasno sci wariancji
9 E
9 E 9)9
EE
9 E
Twierdzenie 1.51 b) c)
9 E 9 E 9 E 9 % E$
a)
9 E
'$
d) Je zeli zmienne
e) Je zeli zmienne
$$$
s a niezale zne, to
9 E
9 E.
9 E
9 9 E 9 9 E E 9 9 E % 9 d) 99 E E
Dowd a) wynika z faktu, z e zmienna b)
9)9
E E 9 E % 9 E 9 E
9 E$
Z drugiej strony
9 9 E
9 E 9 9 E)E
E E 9 9 9 E 9 9 E)E
99
EE
9 E
9 E $
Czebyszewa) Twierdzenie 1.52 (Nierwno sc Dla zmiennej losowej " oraz liczby rzeczywistej mamy
9 E
9F
F "E I
"
9 E$
24
to
mamy
. Poniewa z "
ale
9 E "
Lemat 1.54 Je zeli jaka s zmienna przyjmuje warto sci nieujemne i na losowa ma rozkad jednopunktowy, to znaczy
9 E
, to zmien-
9 (0E ! "# 9 E & 9 E . czyli dla ka zdego , je zeli , to & 9 E , to 9 E . Przypuscmy Dowd: Poka zemy, z zdego je zeli e dla ka 9 ,E bowiem, z e istnieje , takie, z e . Wtedy z nierwno sci Markowa,
9
EI 9
E I 9 E ()$
Zao zenie, z e zmienna przyjmuje tylko warto sci nieujemne jest istotne we wniosku 1.54. Pokazuje to nast epuj acy przykad.
25
ma warto sc oczekiwan a
9 E
9 E
" -1 % "1 2%
9 E & , to zmienna losowa posiada rozkad jednopunktowy. 9 E 9)9 E E , to z lematu 1.54 wynika, ze " Dowd z 9 0 E 9 Poniewa E. $ $ $ b Wniosek 1.57 Niech eda dowolnymi liczbami rzeczywistymi i niech " $
Ale i na odwrt Lemat 1.56 Je zeli
Wtedy
#"2 $ $ $
"
dla ka zdego .
b edzie przestrzenia z jednostajnym rozkadem Dowd: Niech prawdo . Wtedy podobie nstwa i niech b edzie zmienna losowa okre slona wzorem jest warto scia oczekiwana zmiennej , a
"
9BA E
jej wariancja, ktra jest nieujemna i rwna zeru tylko dla rozkadu jednopunktowego.
dla pewnych dodatnich speniaj acych warunek oczekiwana zmiennej wynosi Warto sc
9 E
G!"
9 E ( "
a wariancja
9 E 9 E 9 9 EE
9 " E $
26
"
8(
3
stwo, z Podobnie dla dowolnego , prawdopodobien e w serii czterech do swiadcze n wypadnie sukcesw wynosi
I I(
(%
( $
wynosi
9 E !9
9 E !9
$
Zr zniczkujmy t a funkcj e
9 E
$
27
!"
to otrzymamy
9 E%$
9 " E
$$$ 9 #E $
, ka zda o rozkadzie
oczekiwana, ka ma rozkad dwumianowy o parametrach i . Warto sc zdej wynosi , wi ze zmiennych e c warto s c oczekiwana zmiennej wynosi . wynosi $ $ $ s . Poniewa z zmienne a Wariancja zmiennej niezale zne to wariancja ich sumy wynosi , mamy wi ec.
9 E
9 E
9 E
$
9 9 "
oraz
9 I9 "
"E E I
E E I
I I "
#1
" E #9)" % E 9 " " E $ " # 9" " I Skorzystamy teraz z nierwno sci 9 E I I $ " % wtedy gdy 9 " E % % , a to zachodzi Prawdopodobie stwo jest mniejsze od n " to % % . Dla #1 , zachodzi to dla % ( . wtedy gdy stwem Tak wi ec je pokoju znajduj a si e co najmniej 24 osoby, to z prawdopodobie n " s2li% w wi ekszym od dwie spo srd nich maj a urodziny w tym samym dniu.
1.14 Zadania
1. Zaproponuj przestrze n zdarze n elementarnych dla losowania dwch kul z urny zawieraj acej 3 kule biae i 4 czarne. Przedstaw zdarzenie, z e wylosowano: a) dwie kule biae, b) kule w r znych kolorach.
28
2. Zaproponuj przestrze n zdarze n elementarnych dla ustawienia czterech liter , , i w ci ag. Przedstaw zdarzenie, z e a)
$ '
b)
3. Zaproponuj przestrze n zdarze n elementarnych dla nast epuj acych do swiadcze n: a) Losowanie karty z talii 52 kart. b) Losowanie 13 kart z talii 52 kart. c) Wypenienie kuponu totolotka. d) Wypenienie kuponu totalizatora pikarskiego. 4. , i s a zdarzeniami. Zapisa c za pomoc a dziaa n na zbiorach zdarzenia:
, ;
lub ;
" % a) z e i
S $ $ $
, .
" %
" %
6. Pokaza c, z e
9 E 9 E 9 E " 7. Dane a E 9 i E9 " & E,. 9 E " ( i 9 & E8% & . Obliczyc 9 E , 9 s 9 EP " ( i 9 EP " % , wiadomo te 9 EP 8. Dane a E z, z e 9 E 9 E 9 s . Obliczy c oraz .
1.14. Zadania
29
stwo, 9. W urnie s a 4 kule biae i 3 czarne. Losujemy dwie. Jakie jest prawdopodobie n z e wylosowane kule b ed a w r znych kolorach? stwo, z 10. Jakie jest prawdopodobien e na przyj eciu, na ktrym jest si e osoba, ktra ma urodziny tego samego dnia co ja?
osb, znajdzie
stwo, z 11. Jakie jest prawdopodobien e przy okr agym stole wybrane na pocz atku dwie osoby usi ad a obok siebie? 12. Niech przestrze n zdarze n elementarnych b edzie zbiorem 3 elementowych ci agw zero-jedynkowych. Wypisz zdarzenia: a) na pierwszej wsprz ednej jest zero; b) na pierwszej i trzeciej wsprz ednej s a zera; c) na pierwszej i trzeciej wsprz ednej mamy r zne warto sci; d) na wszystkich wsprz ednych jest to samo. Oblicz prawdopodobie nstwa tych zdarze n (rozkad jednostajny). Czy zdarzenia te s a niezale zne? agw Niech przestrze n zdarze n elementarnych b edzie zbiorem elementowych ci stwa tych samych zero-jedynkowych (rozkad jednostajny). Oblicz prawdopodobie n zdarze n. stwo, z 13. Rzucamy trzema kostkami. Jakie jest prawdopodobie n e na z adnej kostce nie wypada szstka, je zeli na ka zdej kostce wypada inna liczba oczek. 14. Mamy dwie urny z kulami. W pierwszej urnie s a dwie kule biae i cztery czarne, a w drugiej urnie trzy biae i trzy czarne. Rzucamy kostk a do gry. Je zeli wypadnie 1 lub 2, to losujemy kul e z pierwszej urny, je zeli 3,4,5 lub 6, to losujemy z drugiej urny. Jakie jest prawdopodobie nstwo, z e wylosujemy kul e bia a? stwa. Zaproponuj przestrze n zdarze n elementarnych i rozkad prawdopodobien 15. W urnie jest kul w tym biaych. osb po kolei losuje jedn a kul e bez zwracania. a) Ile wynosi prawdopodobie nstwo wylosowania kuli biaej dla trzeciej osoby? b) Ile wynosi prawdopodobie nstwo wylosowania kuli biaej dla ka zdej z losuj acych osb?
30
posiada rozkad:
9 E "1 % "2 ( "3 " 54" 3 " 55" 3 & E. 9 E , 9 # Oblicz 9 E oraz 9 E . oczekiwan , wariancj e Oblicz warto sc a 1 jest okreslona na przestrzeni #"# $ $ $ & 5 z jednostaj 9 E 18. Zmienna 9 &#E . oczekiwan nym rozkadem. Podaj jej rozkad, warto sc a oraz
19. Podaj rozkad cz esto sci wyst epowania liter w zdaniu: "Podzbiory przestrzeni zdarze n losowych nazywamy zdarzeniami".
0 1
"
-1
Czy zmienne
s a niezale zne?
9 E, 9
E.
E. .
0 1
22. W dwch tabelach przedstawiono aczny rozkad zmiennych , tabela zawiera warto sci , a druga warto sci .
9 #E
Z=0
9 "E
. Pierwsza
-1 1
" 5" % " 2 3 " @3" % " 2%( " 5" % "%(
1
31
-1 1
"@" % " 52" % " 53" % "@"% " @" % " 5" %
1
E 9
prawdopodobie Czy zmienne , i s a niezale zne? Je zeli nie, to zmien nstwa w pierwszej tabeli tak, z eby byy niezale zne.
. Oblicz
0E ,
23. Na przestrzeni ,
#"# $ $ $ &5 z jednostajnym rozkadem okreslamy trzy zmienne 9 E 9 E & , 9 E % . Czy zmienne te sa niezalezne?
slone na jakiej s przestrzeni 24. Mamy trzy niezale zne zmienne losowe , i (okre probabilistycznej). Udowodnij, z e ka zde dwie te z s a niezale zne.
znych zmiennych losowych 25. Mamy niezale $$$ zmienne te z sa niezale zne.
"
$$$
Podobnie ka zdy podzbir tych zmiennych jest niezale zny. 26. Pokaza e zdego dla '$ ka c, z . oraz
12E "
"
taka, z e
9 E "
27. Pokaza e je zeli ma rozkad symetryczny, tzn dla pewnego c, z dla ka zdego , to .
E 9
, 9
28. Pokaza c, z e jezeli mamy zmienna losow a inn a zmienn a , to i s a niezale zne
29. Poka z, z e je zeli losowe i s a niezale zne, to dla dowolnych liczb i , zmienne s zdarzenia oraz a niezale zne.
30. Poka z, z e je zeli i s a niezale zne, to dla dowolnych funkcji i zmienne , zmienne losowe i te z s a niezale zne.
31. Pokaza c, z e
'E
my, z 33. Przypu sc e zmienna losowa przyjmuje warto sci stwem. ka zde z dodatnim prawdopodobien lub ? a) Czy jest mo zliwe lub ? b) Czy jest mo zliwe
$$$
ma rozkad jednostajny?
32
E)E
a) je zeli b) c)
9
rwna si e
' 9 E 99
E 9
stwo, z 35. Rzucano monet a 10 razy. Jakie jest prawdopodobie n e orze wypad co najmniej raz? stwo otrzymania parzystej liczby sukcesw w ci 36. Jakie jest prawdopodobien agu prb Bernoulliego, je z eli prawdopodobie n stwo sukcesu w jednej prbie wynosi: a) 1/2, b) . stwo, z 37. Jakie jest prawdopodobien e w serii sze sciu rzutw kostk a suma oczek b edzie parzysta. 38. Pokaza e je zeli c, z
ma rozkad dwumianowy , 39. Niech zmienna losowa z parametrami . Oszacuj prawdopodobie nstwo (za pomoca nierwno sci Markowa, Czebyszewa i Chernoffa).
" 2%
3 #E
A C "
, to