Professional Documents
Culture Documents
NI VSM Lec 01 Slides
NI VSM Lec 01 Slides
Přednášející:
doc. Ing. Pavel Hrabák, Ph.D.
Hrabák, Novák, Vašata (FIT ČVUT) Vybrané statistické metody NI-VSM, LS 2023/24, Přednáška 1 1 / 22
Organizace předmětu Podmínky absolvování
Obsah přednášek
Hrabák, Novák, Vašata (FIT ČVUT) Vybrané statistické metody NI-VSM, LS 2023/24, Přednáška 1 3 / 22
Základy pravděpodobnosti Motivace
Motivace
Přesná predikce není často možná, protože je studovaný jev bud’to příliš kom-
plexní, nebo nemáme k dispozici všechny potřebné informace.
Hrabák, Novák, Vašata (FIT ČVUT) Vybrané statistické metody NI-VSM, LS 2023/24, Přednáška 1 4 / 22
Základy pravděpodobnosti Motivace
Hrabák, Novák, Vašata (FIT ČVUT) Vybrané statistické metody NI-VSM, LS 2023/24, Přednáška 1 5 / 22
Základy pravděpodobnosti Motivace
Hrabák, Novák, Vašata (FIT ČVUT) Vybrané statistické metody NI-VSM, LS 2023/24, Přednáška 1 6 / 22
Základy pravděpodobnosti Motivace
České tituly:
• Tomáš Hobza: Matematická statistika, FJFI (online)
• Jiří Pavlík: Aplikovaná statistika, skripta VŠCHT (online)
• Jiří Anděl: Základy matematické statistiky, matfyzpress (2007) (pokročilejší)
Anglické tituly:
• G. R. Grimmett & D. R. Stirzaker: Probability and Random Processes, Oxford
University Press (2001)
• D. P. Bertsekas & J. N. Tsitsiklis: Introduction to Probability, Athena Scientific, MIT
(2008)
• Ch. M. Grinstead & J. L. Snell: Introduction to Probability, AMS (1997) - (online)
Hrabák, Novák, Vašata (FIT ČVUT) Vybrané statistické metody NI-VSM, LS 2023/24, Přednáška 1 7 / 22
Základy pravděpodobnosti Motivace
Hrabák, Novák, Vašata (FIT ČVUT) Vybrané statistické metody NI-VSM, LS 2023/24, Přednáška 1 8 / 22
Základy pravděpodobnosti Motivace
Pravděpodobnostní prostor
E = (Ω, F, P),
kde
• prostor elementárních jevů Ω zahrnuje všechny výsledky experimentu,
• podmnožiny Ω tvořící kolekci F jsou náhodné jevy,
• P je pravděpodobnost, kterou můžeme náhodným jevům přiřadit.
Hrabák, Novák, Vašata (FIT ČVUT) Vybrané statistické metody NI-VSM, LS 2023/24, Přednáška 1 10 / 22
Základy pravděpodobnosti Pravděpodobnostní prostor
Definice
Množinu všech možných výsledků daného experimentu značíme Ω a nazýváme ji prostor
elementárních jevů nebo také výběrový prostor (sample space).
Prostor elementárních jevů by měl být dostatečně detailní, aby rozlišil výsledky, které
vnímáme jako odlišné, měl by však pominout nepodstatné detaily.
Hrabák, Novák, Vašata (FIT ČVUT) Vybrané statistické metody NI-VSM, LS 2023/24, Přednáška 1 11 / 22
Základy pravděpodobnosti Pravděpodobnostní prostor
Náhodné jevy
Náhodným jevem A budeme rozumět množinu elementárních jevů (tj. A ⊂ Ω), které
můžeme přiřadit pravděpodobnost.
Vždy je však třeba uvažovat náhodné jevy jako prvky nějaké σ -algebry F :
Definice
Kolekci F podmnožin prostoru Ω nazýváme σ -algebrou (angl. též σ -field) jestliže jsou
splněny následující podmínky:
i) ∅ ∈ F – obsahuje nemožný jev
ii) když A ∈ F , tak Ac ∈ F – obsahuje opačný jev
S∞
iii) když A1 , A2 , . . . ∈ F , tak i=1 Ai ∈ F – obsahuje spočetné sjednocení.
Dvojici (Ω, F) nazýváme měřitelný prostor.
Zadání F nám říká, jaké jevy můžeme „ pozorovat “ a následně měřit jejich
pravděpodobnost.
Hrabák, Novák, Vašata (FIT ČVUT) Vybrané statistické metody NI-VSM, LS 2023/24, Přednáška 1 12 / 22
Základy pravděpodobnosti Pravděpodobnostní prostor
Hrabák, Novák, Vašata (FIT ČVUT) Vybrané statistické metody NI-VSM, LS 2023/24, Přednáška 1 13 / 22
Základy pravděpodobnosti Pravděpodobnostní prostor
Poznámky:
• Nejmenší σ -algebra obsahující kolekci X ⊂ 2Ω , značíme σ(X ), je definována jako
průnik všech σ -algeber obsahujících X .
• Borelovská σ -algebra obsahuje všechny „představitelné“ podmnožiny Ω.
• Např. pro Ω = R obsahuje B(R) také všechny polootevřené i uzavřené intervaly a
všechny konečně prvkové množiny. Nikoli však libovolné množiny – viz. P. Halmos:
Measure Theory, Springer (1976).
Hrabák, Novák, Vašata (FIT ČVUT) Vybrané statistické metody NI-VSM, LS 2023/24, Přednáška 1 14 / 22
Základy pravděpodobnosti Pravděpodobnostní prostor
Pravděpodobnostní míra
Definice
Pravděpodobnostní míra na měřitelném prostoru (Ω, F) je zobrazení P : F → R
splňující:
i) nezápornost: pro každé A ∈ F platí P(A) ≥ 0,
ii) normalizace: P(Ω) = 1,
iii) σ−aditivita: když jsou A1 , A2 , . . . ∈ F vzájemně disjunktní jevy
(Ai ∩ Aj = ∅ pro ∀i, j : i ̸= j ), tak
∞ ∞
!
[ X
P Ai = P(Ai ).
i=1 i=1
Bud’ Ω libovolný prostor s konečnou mírou µ, tj. umíme měřit velikosti (délku, plochu,
objem, hmotnost, čas, apod.). Pro náhodný jev A ∈ B(Ω) definujeme:
µ(A) velikost A
P(A) = = .
µ(Ω) velikost Ω
Hrabák, Novák, Vašata (FIT ČVUT) Vybrané statistické metody NI-VSM, LS 2023/24, Přednáška 1 16 / 22
Základy pravděpodobnosti Vlastnosti pravděpodobnosti
Vlastnosti pravděpodobnosti
Věta
Necht’ A a B jsou náhodné jevy na pravděpodobnostním prostoru s mírou P. Potom platí:
i) P(∅) = 0,
ii) jestliže A a B jsou vzájemně disjunktní, pak P(A ∪ B) = P(A) + P(B),
iii) P(Ac ) = 1 − P(A),
iv) P(A ∪ B) = P(A) + P(B) − P(A ∩ B),
v) pokud A ⊂ B , tak P(A) ≤ P(B) - monotonie.
Důsledky:
• 0 ≤ P(A) ≤ 1 - z v)
• P(A ∪ B) ≤ P(A) + P(B) - z iv)
Hrabák, Novák, Vašata (FIT ČVUT) Vybrané statistické metody NI-VSM, LS 2023/24, Přednáška 1 17 / 22
Základy pravděpodobnosti Podmíněná pravděpodobnost
Podmíněná pravděpodobnost
Jak se změní pravděpodobnost ve chvíli, kdy máme částečnou informaci o výsledku
experimentu?
Příklad
Když hodíme vyváženou kostkou, bez další informace víme, že P(prvočíslo) = 1/2.
Pokud navíc víme, že padlo sudé číslo, je jasné, že P(prvočíslo|sudé) = 1/3.
Definice
Bud’te A a B náhodné jevy, kde P(B) > 0. Podmíněnou pravděpodobnost jevu A za
podmínky, že nastal jev B , definujeme jako
P(A ∩ B)
P(A|B) = .
P(B)
Hrabák, Novák, Vašata (FIT ČVUT) Vybrané statistické metody NI-VSM, LS 2023/24, Přednáška 1 18 / 22
Základy pravděpodobnosti Podmíněná pravděpodobnost
Věta (Bayesova)
Necht’ B1 , B2 , . . . , Bn je rozklad Ω takový, že ∀i : P(Bi ) > 0 a necht’ A je náhodný jev
kde P(A) > 0. Potom platí
P(A|Bj ) P(Bj )
P(Bj |A) = Pn .
i=1 P(A|Bi ) P(Bi )
Definice
Náhodné jevy A a B se nazývají nezávislé, pokud
Hrabák, Novák, Vašata (FIT ČVUT) Vybrané statistické metody NI-VSM, LS 2023/24, Přednáška 1 21 / 22
Základy pravděpodobnosti Nezávislost náhodných jevů
Věta
Jsou-li jevy A a B nezávislé, pak i A a B c (Ac a B ; Ac a B c ) jsou nezávislé.
Hrabák, Novák, Vašata (FIT ČVUT) Vybrané statistické metody NI-VSM, LS 2023/24, Přednáška 1 22 / 22