PRAVDĚPODOBNOST - matematická disciplína, která se zabývá studiem zákonitostí, jimiž se řídí hromadné náhodné jevy - vytváří pravděpodobnostní modely, pomocí nichž se snaží postihnout procesy, ovlivněné náhodou.
Náhodné pokusy: procesy, jejichž výsledek nelze předem jednoznačně určit (je nejistý); závisí jednak na daných podmínkách, při kterých je prováděn, jednak na náhodě. Teorie pravděpodobnosti se zabývá pouze náhodnými pokusy, které jsou za stejných podmínek opakovatelné a u nichž je měnlivost výsledků podstatná a vykazuje určitou zákonitost. Hromadné náhodné jevy: výsledky opakovatelných náhodných pokusů (symbolika – A, B, C, ...). Pravděpodobnost náhodného jevu: pravděpodobnost náhodného jevu A je číslo P(A), které lze interpretovat jako míru možnosti nastoupení náhodného jevu.
! Existují různé definice pravděpodobnosti:
a) Axiomatická teorie pravděpodobnosti: pravděpodobnost je funkce, která každému náhodnému jevu přiřazuje reálné číslo, přičemž musí být splněny následující axiomy
P A 0 2) P ( A1 A2 ...) P A1 P A2 ... 3) P E 1 . 1)
(pro neslučitelné jevy)
b) Klasická definice pravděpodobnosti: Pravděpodobnost jevu A se rovná podílu případů příznivých nastoupení jevu A a počtu všech případů možných, jsou-li všechny stejně pravděpodobné.
P A
m n
kde m je počet případů příznivých n je počet případů možných.
c) Statistická definice pravděpodobnosti:
Jestliže při rostoucím počtu opakování náhodného pokusu (n)
m relativní četnost kolísá ve stále užších mezích kolem určitého čísla, můžeme toto číslo považovat za n pravděpodobnost jevu A. relativní četnost jevu A
m n
kde m je počet nastoupení jevu A n je počet opakování pokusu.
- odhad pravděpodobnosti náhodného jevu na základě výsledků, získaných při mnohonásobném opakování náhodného pokusu - tato definice má aposteriorní charakter.
1
Pravidla pro počítání s pravděpodobnostmi Podmíněná pravděpodobnost P A B je podmíněná pravděpodobnost jevu A vzhledem k jevu B, tj. pravděpodobnost nastoupení jevu A za předpokladu, že nastal jev B.
P A B
P A B , P B
pro
P B > 0
P B A
P A B , P A
pro
P A > 0 .
Pravidlo o násobení pravděpodobností: Pravděpodobnost současného nastoupení jevů A a B (tzn. jejich průniku) je rovna součinu nepodmíněné pravděpodobnosti jednoho jevu a podmíněné pravděpodobnosti druhého jevu vzhledem k prvnímu jevu.
P A B PB P A B P A B P A P B A . Zobecnění pravidla o násobení pravděpodobností pro dva a více jevů:
n P Ai P A1 P A2 A1 P A3 A1 A2 P An A1 An1 . i 1 Nezávislost jevů Jestliže P A B
P A , pak jev A nezávisí na jevu B. Jestliže P B A P B , pak jev B nezávisí na jevu A. Nutná a postačující podmínka (definice) nezávislosti dvou jevů: P A B P A PB . Zjednodušení pravidla o násobení pravděpodobností pro nezávislé jevy:
n P Ai P A1 P A2 P A3 P An . i 1 Pravidlo pro sčítání pravděpodobností: Pravděpodobnost sjednocení jevů A a B je rovna součtu pravděpodobností těchto jevů, zmenšené o pravděpodobnost jejich průniku.
P A B P A P B P A B . Disjunktní jevy Jestliže P A B
0 , pak jevy A a B jsou disjunktní.
Zjednodušení pravidla pro sčítání pravděpodobností pro disjunktní jevy:
P A B P A P B .
2
Náhodná veličina Náhodná veličina - veličina, jejíž hodnota je jednoznačně určena výsledkem náhodného pokusu - vlivem náhodných činitelů může nabýt různých hodnot, proto nelze její konkrétní hodnotu před provedením náhodného pokusu jednoznačně určit - symbolika X, Y, ... - příklady náhodných veličin: počet bodů, které padnou na hrací kostce, počet poruch určitého zařízení, doba čekání na obsluhu v určité prodejně, atd..
Zákon rozdělení náhodné veličiny: pravidlo, které každé hodnotě nebo množině hodnot z každého intervalu přiřazuje pravděpodobnost, že náhodná veličina nabude této hodnoty nebo hodnoty z určitého intervalu. Je to pravděpodobnostní model empirické náhodné veličiny. - náhodnou veličinu pokládáme za danou, pokud známe všechny její možné hodnoty a pravděpodobnosti výskytu každé z nich.
Popis rozdělení náhodné veličiny 1) Diskrétní náhodná veličina Distribuční funkce: udává pravděpodobnost, že NV nabude hodnoty menší nebo rovné x.
F x P X x Pt tx
Pravděpodobnostní funkce: udává pravděpodobnost, že NV nabude hodnoty rovné x.
Px P X x !
Px 1
Pozn.:
M ... prostor hodnot NV X, tj. množina možných hodnot NV X.
M
2) Spojitá náhodná veličina Distribuční funkce x
F x P X x
f t dt
Hustota pravděpodobnosti
f x F x
dF x dx
!
f x dx 1
3
Charakteristiky náhodných veličin - číselné hodnoty, jejichž cílem je koncentrovat (zestručnit) popis NV - výstižný popis základních vlastností rozdělení NV. Podle vlastnosti rozdělení, kterou popisují, rozeznáváme: 1. 2. 3. 4.
Charakteristiky polohy Charakteristiky variability Charakteristiky šikmosti Charakteristiky špičatosti.
1. Charakteristiky polohy Střední hodnota
EX
= očekávaná hodnota (z lat. expectatis) a) Diskrétní NV
E X x Px M
b) Spojitá NV
E X x f x dx M
xˆ
Modus
a) Diskrétní NV - hodnota NV, která má největší pravděpodobnost výskytu (nejpravděpodobnější hodnota)
xˆ............. max P x b) Spojitá NV - bod, v němž je hustota pravděpodobnosti maximální, tj. lokální maximum hustoty pravděpodobnosti f(x).
xˆ............. f x 0 Kvantily - používají se především kvantily spojité náhodné veličiny. Hodnota
x p je 100p %-ním kvantilem NV X, jestliže pro ni platí
F x p P X x p p . -
x p je hodnota NV X, kterou hodnoty NV nepřekročí s pravděpodobností 100p %.
4
2. Charakteristiky variability Rozptyl
D X
a) Diskrétní NV 2
D X x E X M
P x x P x x P x M M
2
2
b) Spojitá NV
D X
x E X
2
M
Směrodatná odchylka
f x dx x f x dx x f x dx M M 2
X
D X
5
2
Některá rozdělení náhodných veličin Rozdělení náhodné veličiny = pravděpodobnostní model chování náhodné veličiny.
1. Rozdělení diskrétních náhodných veličin Binomické rozdělení
Bi n
- NV X je počet výskytů náhodného jevu A v n nezávislých náhodných pokusech, je-li pravděpodobnost nastoupení jevu A ve všech pokusech stejná ( ) - rozdělení má 2 parametry : n ... počet nezávislých pokusů ... pravděpodobnost nastoupení sledovaného jevu v 1 pokusu. Pravděpodobnostní funkce
n n x P x x 1 , x = 0, 1, ..., n; 0 < < 1 x 0
jinak.
E X n D X n 1 . Např.: NV X je počet „šestek“, které padnou při deseti hodech kostkou.
Poissonovo rozdělení
Po
- NV X je počet výskytů náhodného jevu A v určitém časovém intervalu délky t (tzn. za jednotku času), v jednotce plochy nebo objemu (v prostorové jednotce) - rozdělení má 1 parametr : ... střední hodnota rozdělení. Pravděpodobnostní funkce
P x e 0
x , x = 0, 1, 2, ...; 0 x! jinak.
EX D X . Např.: NV X je počet poruch stroje za směnu, počet telefonních hovorů za hodinu, počet vad na m2 koberce. Aproximace Binomického rozdělení rozdělením Pissonovým Podmínky: Počet pokusů n musí být dostatečně velký (alespoň n 30) a pravděpodobnost velmi malá (alespoň 0,1). Při aproximaci udává P(x) přibližnou pravděpodobnost, že ve velkém počtu n nezávislých náhodných pokusů se sledovaný jev A vyskytne x-krát, je-li pravděpodobnost výskytu jevu v jednom pokusu velni malá. Např.: NV X je počet vadných výrobků ve velké sérii, je-li pravděpodobnost výroby zmetku velmi malá.
6
Hyp N M n
Hypergeometrické rozdělení
- používá se v případě závislých pokusů, tzn. při výběru bez vracení - NV X je počet vybraných prvků se sledovanou vlastností při závislých pokusech - má 3 parametry : N ... rozsah souboru, z něhož vybíráme M ... počet prvků v základním souboru, které mají sledovanou vlastnost n ... rozsah výběru ( = počet závislých pokusů). Pravděpodobnostní funkce
M N M x n x Px N n EX n
M N
D X n
M M N n . 1 N N N 1
Použití: Např. při kontrole jakosti u malého počtu výrobků nebo v případě, kdy kontrola má ráz destrukční zkoušky (výrobek je zničen).
2. Rozdělení spojitých náhodných veličin Exponenciální rozdělení
E A
- NV X je doba čekání do nastoupení sledovaného jevu, může-li tento jev nastat v kterémkoli okamžiku - parametr A = počáteční doba, během které sledovaný jev nastat nemůže.
Hustota pravděpodobnosti :
Distribuční funkce :
1 x A / e , 0
f x
xA,
> 0, A
0
jinak.
F x 1 e x A / ,
x A.
EX A D X 2 . Např.: NV X je doba čekání zákazníka na obsluhu v prodejně, doba realizace dvou po sobě jdoucích telefonních hovorů, doba životnosti zařízení, u nichž dochází k poruše z náhodných příčin (ne v důsledku opotřebení). Použití: V teorii spolehlivosti a životnosti, v teorii hromadné obsluhy (tzv. teorii front), v teorii obnovy.
7
Normální rozdělení
N 2
- je vhodné tam, kde kolísání NV je způsobeno velkým počtem nepatrných a vzájemně nezávislých vlivů - klasickým typem veličin, které se řídí tímto rozdělením, jsou náhodné chyby - pomocí N 2 lze za jistých podmínek aproximovat řadu jiných rozdělení, a to i nespojitých.
Hustota pravděpodobnosti :
f x F x
Distribuční funkce :
1
x 2
e
2
x
1
2
2 2
,
-
< x < , - < < , > 0
dt ,
-
< x < .
t 2
e
2 2
EX D X 2 . - hustota pravděpodobnosti je zvonovitá křivka, symetrická podle - rozdělení N je jednovrcholové, vrchol je v bodě x - = modus = medián.
x a její tvar závisí na parametru 2
Normování NV s normálním rozdělením: Výpočet distribuční funkce normálního rozdělení je obtížný, navíc by bylo nutno počítat hodnotu distribuční funkce pro každý speciální případ (tj. pro různá x, μ, σ2), proto se z důvodů usnadnění výpočtu transformuje náhodná veličina X, která má normální rozdělení s parametry μ a σ2, na normovanou veličinu U, která má normované normální rozdělení.
Normované normální rozdělení
N 0 1
2
- původní NV X, která má N normujeme, tzn. transformujeme na NV U, která má N 0 1 - je tak zavedena normovaná veličina U, která má nulovou střední hodnotu a jednotkový rozptyl - hodnoty distribuční funkce a kvantilů N 0 1 je možno tabelovat.
U
x ,
E U 0 ,
Vztah pro výpočet F(x):
DU 1 . x F x u u2
1 e 2 , pro - < u < 2
Hustota pravděpodobnosti :
u
Distribuční funkce :
1 u 2
u
e
t2 2
dt .
Tabulky normovaného normálního rozdělení Vzhledem k symetrii N 0 1 podle bodu u 0 platí:
u 1 u uP u1 P up
xp
xp up
Z důvodu symetrie N 0 1 kolem 0 jsou tabelovány hodnoty
P 0,5 .
8
u pouze pro u 0 a kvantily pouze pro
Rozdělení některých funkcí náhodných veličin - mají zvláštní význam pro řešení některých matematicko-statistických úloh (viz. další výklad) - stejné značení pro náhodné veličiny i jejich hodnoty - v praxi se používají především kvantily těchto rozdělení, jsou tabelovány.
Rozdělení 2
2
- NV 2 je součtem ν nezávislých NV s normovaným normálním rozdělením - rozdělení má 1parametr : ν ... počet stupňů volnosti - kvantily jsou tabelovány pro ν = 1, 2, ... , 30 a pro vybrané pravděpodobnosti P.
2 U i2 U 12 U 22 U2 i 1
Rozdělení Studentovo (t)
t ν 2
- NV t je podílem dvou nezávislých NV: NV U s rozdělením N 0 1 a NV s rozdělením - rozdělení má 1 parametr : ν ... počet stupňů volnosti - kvantily jsou tabelovány pro ν = 1, 2, ... , 30 a pro vybrané pravděpodobnosti P - používá se především pro výběry malého rozsahu (n < 30) - rozdělení je symetrické podle bodu t = 0, pro kvantily proto platí vztah
t
2
t p t 1 p .
U
2
Rozdělení Fisherovo (Snedecorovo)
F ν1; ν2 2
- NV F je podílem dvou nezávislých NV: NV 1 s rozdělením
2
1 a NV 22 s rozdělením 2
2
- má 2 parametry: ν1 ... počet stupňů volnosti NV 1 (v čitateli) ν2 ... počet stupňů volnosti NV
22 (ve jmenovateli).
12 F 12 2 2
9
2
Operace s náhodnými jevy - vztahy mezi náhodnými jevy graficky znázorňují tzv. Vennovy diagramy 1.
A B
Jev A je částí jevu B; z jevu A plyne jev B (implikace); nastoupení jevu A má vždy za následek nastoupení jevu B.
2.
A B
Jevy A a B jsou si rovny;
A B a současně B A .
3. C A B
Jev C je průnik jevů A a B (logický součin); jev C nastane právě tehdy, nastane-li současně jev A i jev B.
4. C A B
Jev C je sjednocení jevů A a B (logický součet); jev C nastane právě tehdy, nastane-li alespoň jeden z jevů A a B.
5. C A B
Jev C je rozdíl jevů A a B; jev C nastane právě tehdy, když jev A a současně jev B nenastane.
6. E je jev jistý Ø je jev nemožný
Jev, který musí nastat vždy. Jev, který nastat nemůže.
Kombinatorika Permutace
Pn n!
Variace bez opakování Vk n
n! n k !
Variace s opakováním Vk´ n n k
Kombinace n n! C k n k k!n k !
10