Z Skrypty dla studentów Ekonofizyki UPGOW
(Różnice między wersjami)
|
|
Linia 1: |
Linia 1: |
- | Teoria prawdopodobieństwa bazuje, jak każda teoria matematyczna, na odpowiedniej przestrzeni.
| + | 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. |
- | Dla przykładu, dla teorii funkcji taka przestrzenią jest '''przestrzeń metryczna'''. Przestrzeń metryczna
| + | |
- | jest takim zbiorem <math> X </math>, w którym można zdefiniować odległość '''<math> d(x, y) </math>''' między dwoma jej elementami
| + | |
- | <math> x \in X </math> i <math> y \in X </math>. Odleglość jest funkcją dwóch zmiennych <math> x </math> i <math> y </math> oraz posiada kilka charakterystycznych cech, np. odległość nie może byc ujemna. Jeżeli zdefiniujemy odległość w zbiorze <math> X </math>, 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 '''<math> (X, d)</math>''', tzn. jest to zbiór
| + | |
- | X wraz z określoną w niej odległościa, czyli metryką <math> d=d(x, y)</math>.
| + | |
- | | + | |
- | 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 '''<math> (\Omega, {\mathcal F}, P)</math>'''. Rozszyfrujmy poszczególne elementy tej trójki.
| + | |
- | | + | |
- | (I) <math>\Omega</math> jest zbiorem elementów <math>\omega</math>. Element <math>\omega</math> 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 <math>\omega_1</math>, natomiast wynikowi "reszka" - <math>\omega_2</math>. Tak więc zbiór <math>\Omega =\{\omega_1, \omega_2\}</math>.
| + | |
- | | + | |
- | 2. Doświadczenie polega na dwukrotnym rzucie monetą. Teraz możliwe są cztery wyniki: <math>\omega_1 =</math>(orzeł, orzeł), (orzeł, reszka), (reszka, orzeł) i (reszka, reszka). Jeden wynik to p: orzeł lub reszka. Wynikowi "orzeł" możemy przyporządkować
| + | |
- | oznaczenie <math>\omega_1</math>, natomiast wynikowi "reszka" - <math>\omega_2</math>. Tak więc zbiór <math>\Omega =\{\omega_1,\omega_2,\omega_3, \omega_4\}</math>.
| + | |
- | | + | |
- | 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 <math>\omega_n </math> dla <math> n=1, 2, 3, 4, 5, 6 </math> otrzymamy zbiór <math>\Omega =\{\omega_1, \omega_2, \omega_3, \omega_4, \omega_5, \omega_6 \}</math>.
| + | |
Wersja z 17:57, 25 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.