Z Skrypty dla studentów Ekonofizyki UPGOW
Linia 27: | Linia 27: | ||
==Przestrzeń probabilistyczna== | ==Przestrzeń probabilistyczna== | ||
+ | ===podroździał== | ||
==Zmienna losowa== | ==Zmienna losowa== | ||
==Wiele zmiennych losowych-Wektor zmiennych losowych== | ==Wiele zmiennych losowych-Wektor zmiennych losowych== | ||
==Próby Bernouliego== | ==Próby Bernouliego== | ||
==Twierdzenie Poissona i rozklad Poissona== | ==Twierdzenie Poissona i rozklad Poissona== |
Wersja z 07:49, 26 paź 2009
Procesy i zjawiska losowe (przypadkowe, stochastyczne) opisywane są przez teorię prawdopodobieństwa. W odróżnieniu od procesów deterministycznych, nie można jednoznacznie przewidywać ewolucji układu losowego. Losowość opisujemy za pomocą prawdopodobieństwa zajścia określonych zdarzeń.
Spis treści |
Teoria prawdopodobieństwa
Teoria prawdopodobieństwa bazuje, jak każda teoria matematyczna, na odpowiedniej przestrzeni.
Dla przykładu, dla teorii funkcji taka przestrzenią jest przestrzeń metryczna. Przestrzeń metryczna jest takim zbiorem \( X \), w którym można zdefiniować odległość \( d(x, y) \) między dwoma jej elementami \( x \in X \) i \( y \in X \). Odleglość jest funkcją dwóch zmiennych \( x \) i \( y \) oraz posiada kilka charakterystycznych cech, np. odległość nie może byc ujemna. Jeżeli zdefiniujemy odległość w zbiorze \( X \), wówczas możemy w tym zbiorze określić zbieżność ciągów i wprowadzić pojęcie ciągłości funkcji. Możemy też zdefiniować pojęcie pochodnej funkcji i całki oznaczonej. Możemy dokonywać wielu innych operacji na funkcjach. Widać z tego przykładu, że pojęcie metryki jest bardzo użyteczne i zdefiniowanie metryki w jakimś zbiorze niesłychanie wzbogaca ten zbiór. Matematycy lubią definiować przestrzeń metryczna jako parę \( (X, d)\), tzn. jest to zbiór X wraz z określoną w niej odległościa, czyli metryką \( d=d(x, y)\).
Podobnie jest w teorii prawdopodobieństwa. Przestrzenią, którą bada teoria prawdopodobieństwa, jest zbiór, w którym określone są dodatkowe elementy, analogiczne do metryki. Przestrzeń ta nazywa się przestrzenią probabilistyczną. Dokładniej mówiąc przestrzeń ta nie jest parą jak w przypadku przestrzeni metrycznej, ale trójką \( (\Omega, {\mathcal F}, P)\). Rozszyfrujmy poszczególne elementy tej trójki.
(I) \(\Omega\) jest zbiorem elementów \(\omega\). Element \(\omega\) nazywa się zdarzeniem elementarnym lub inaczej mówiąc możliwym wynikiem doświadczenia. Przykłady:
1. Doświadczenie polega na jednokrotnym rzucie monetą. Są dwa możliwe wyniki: orzeł lub reszka. Wynikowi "orzeł" możemy przyporządkować oznaczenie \(\omega_1\), natomiast wynikowi "reszka" - \(\omega_2\). Tak więc zbiór \(\Omega =\{\omega_1, \omega_2\}\).
2. Doświadczenie polega na dwukrotnym rzucie monetą. Teraz możliwe są cztery wyniki: \(\omega_1 =\)(orzeł, orzeł), (orzeł, reszka), (reszka, orzeł) i (reszka, reszka). Jeden wynik to p: orzeł lub reszka. Wynikowi "orzeł" możemy przyporządkować oznaczenie \(\omega_1\), natomiast wynikowi "reszka" - \(\omega_2\). Tak więc zbiór \(\Omega =\{\omega_1,\omega_2,\omega_3, \omega_4\}\).
3. Doświadczenie polega na jednokrotnym rzucie kostką do gry w popularnego "chińczyka". Wynikiem może być jedno oczko, albo dwa oczka, albo trzy oczka, albo cztery oczka, albo pięć oczek, albo sześć oczek. Przyporządkowując liczbie oczek oznaczenie \(\omega_n \) dla \( n=1, 2, 3, 4, 5, 6 \) otrzymamy zbiór \(\Omega =\{\omega_1, \omega_2, \omega_3, \omega_4, \omega_5, \omega_6 \}\).