8 Střední hodnota a rozptyl

Transkript

1 Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení této přednášky: po přečtení kapitoly 10 ve skriptech [1] můžete absolvovat str (otázky i příklady). bed b@d OBSAH 1/39

2 Nejdůležitějšími pojmy této přednášky jsou průměr, modus a medián souboru naměřených hodnot ; rozptyl souboru naměřených hodnot (= empirický rozptyl); směrodatná odchylka souboru naměřených hodnot (= empirická směrodatná odchylka) (JEDNODUCHÉ, nebudeme probírat, prosím přečtěte si ve skriptech [1] strany ) distribuční funkce náhodné veličiny X vzorce pro diskrétní i pro spojitou veličinu; střední hodnota a rozptyl náhodné veličiny X vzorce pro diskrétní i pro spojitou veličinu. bed b@d OBSAH 2/39

3 Uvedené pojmy budou vysvětleny na příkladech 2 a 5 z minulé přednášky a na dalších čtyřech příkladech v této přednášce. Vraťme se k příkladu 2 z minulé přednášky (X = počet šestek v pěti hodech kostkou; situace popsána tzv. pravděpodobnostní funkcí, veličina X je diskrétní veličina). A vraťme se také k příkladu 5 z minulé přednášky (X = životnost žárovky do temné komory; situace popsána tzv. hustotou, veličina X je spojitá veličina). bed b@d OBSAH 3/39

4 Existuje nějaký matematický pojem, který by dokázal spojit jak popis diskrétní veličiny (pravděpodobnosti počítáme pomocí sumy), tak popis spojité veličiny (pravděpodobnosti počítáme pomocí integrálu)? Existuje, a jmenuje se distribuční funkce. Definice: Distribuční funkce F (x 0 ) náhodné veličiny X se definuje jako pravděpodobnost, že náhodná veličina X nabude hodnotu menší než x 0. F (x 0 ) = P (X < x 0 ). bed b@d OBSAH 4/39

5 Způsob výpočtu: F (x 0 ) = P (X (, x 0 )) = k<x 0 p(k) pro diskrétní X; x0 f(x) dx pro spojitou X. (1) (POZOR, ROZLIŠUJTE f hustotu od F distribuční fce! case-sensitivity) Je jasné, že pak hodnoty distribuční funkce vypočteme buď diskrétním, nebo spojitým přístupem, ale samotný pojem distribuční funkce popisuje jak veličiny spojité, tak veličiny diskrétní. Vypočtěme distribuční funkci v příkladech 2 a 5 z minulé přednášky: bed b@d OBSAH 5/39

6 Ad příklad 2: v tabulce jsou dány hodnoty pravděpodobnostní funkce p(k): k p(k) 0,4019 0,4019 0,1608 0,0321 0,0032 0,0001 Sestrojte příslušnou distribuční funkci F (x) této veličiny. Řešení: užijme vzorec 1 pro každé reálné x dostaneme funkci F (x) na obrázku: bed b@d OBSAH 6/39

7 bed OBSAH 7/39

8 Ad příklad 5: hustota životnosti X žárovky je dána vztahem 0 pro x < 0; f(x) = e x pro x 0. Vypočtěte distribuční funkci F (x) této veličiny (opět POZOR rozlišujte f od F ). Už v minulé přednášce jsme viděli obrázek hustoty f(x): bed b@d OBSAH 8/39

9 bed OBSAH 9/39

10 Nyní se podíváme na obrázek distribuční funkce F (x): Tato byla získána integrací hustoty f(x) podle vztahu 1: x 0 pro x 0; F (x) = f(t) dt = 1 e x pro x > 0. bed b@d OBSAH 10/39

11 Co mají společného grafy na stranách 7 a 11? bed b@d OBSAH 11/39

12 Jedná se o distribuční funkce v případě diskrétním (ad př. 2 z minulé přesnášky) i v případě spojitém (ad příklad 5 z minulé přednášky). Přestože spojitý případ se od diskrétního liší, existuje několik vlastností distribuční funkce, které platí pro všechny situace. Tyto vlastnosti lze odvodit z definice distribuční funkce (z toho, že distribuční funkce je jistá pravděpodobnost, tj. hodnota v intervalu 0; 1 ). Například pro x 1 < x 2 máme z definice F (x 1 ) = P (X (, x 1 )), F (x 2 ) = P (X (, x 2 )), a protože druhý z intervalů je delší než ten první, musí platit F (x 1 ) F (x 2 ). vlastnosti přehledně: 1. lim x F (x) = 0; lim x F (x) = 1. bed b@d OBSAH 12/39

13 2. F je neklesající funkce (jedná se o jakousi kumulativní pravděpodobnost, která pro rostoucí hodnoty proměnné x může jen růst, nikoli klesat). 3. Funkce F je zleva spojitá v každém bodě, tj. limita zleva se rovná funkční hodnotě v každém bodě: lim x x 0 F (x) = F (x 0 ) pro libovolné reálné x U obou typů veličin (diskrétní i spojité) platí P (X a; b)) = F (b) F (a). bed b@d OBSAH 13/39

14 Klíčová je vlastnost číslo 4: pro diskrétní i spojitou veličinu X platí vztah P (X a; b)) = F (b) F (a). (tento vztah pro spojitou veličinu není nic než jiného než Newton-Leibnizova formule pro výpočet určitého integrálu, ale po zavedení pojmu distribuční funkce je jeho platnost rozšířena i pro diskrétní veličiny). Pro výpočet pravděpodobností platí tedy tento klíčový vztah: P (X a; b)) = F (b) F (a) = b a k a;b) p(k) pro diskrétní X; f(x) dx pro spojitou X. bed b@d OBSAH 14/39

15 Podívejme se nyní na další příklady, ve kterých se naučíme pracovat s distribuční funkcí. Příklad 8.1. Náhodná veličina X je popsána distribuční funkcí 0,5 pro 0 < x 1; F (x) = 0,7 pro 1 < x 3;?? jinak. Určete následující pravděpodobnosti, pokud je to možné: a) P (X > 1); b) P (X < 1); c) P (X 1); d) P (X 1). bed b@d OBSAH 15/39

16 Řešení: Distribuční funkci známe jen na části reálné osy, ale jsme schopni pomocí ní určit všechny uvedené pravděpodobnosti: Nejednodušší je b), protože to je přesně definice funkce F (x) v bodě x = 1: P (X < 1) = F (1) = 0,5. Ze zadání jsme také schopni určit hodnotu pravděpodobnostní funkce p v bodě x = 1, protože ta je rovna výšce schodu distribuční funkce v bodě x = 1, A TEDY p(1) = 0,2. Odtud lze určit b): P (X 1) = P (X < 1)+P (X = 1) = F (1)+p(1) = 0,5+0,2 = 0,7. a) a c) dopočítáme z toho faktu, že od hodnoty 1 bed b@d OBSAH 16/39

17 odečteme pravděpodobnost opačného jevu: P (X > 1) = 1 P (X 1) = 1 0,7 = 0,3; P (X 1) = 1 P (X < 1) = 1 0,5 = 0,5. Tyto patálie se mohou objevit pouze u diskrétní veličiny. U spojité veličiny P (X = 1) = 0 vždy, a proto vždy platí pro spojitou veličinu P (X < 1) = P (X 1). Podívejme se tedy také na distribuční funkci spojité veličiny: Vezměme opět příklad 5 z minulé přednášky: bed b@d OBSAH 17/39

18 Příklad 8.2. Distribuční funkce životnosti žárovky X je dána vztahem 0 pro x 0; F (x) = 1 e x pro x > 0. Určete pravděpodobnosti a) P (X < 1) = P (X 1); b) P (X 30) = P (X > 30); c) P (X 80; 120 ). Řešení: u spojité veličiny nás nezajímá, zda je v intervalech kulatá či ostrá závorka, protože to při integraci nehraje roli. Také je ideální, že je zadána bed b@d OBSAH 18/39

19 distribuční funkce. Ta totiž v sobě uchovává výsledek integrace a pro výpočet integrálů stačí už jen dosadit meze!! P (X < 1) = F (1) = 1 e = 0,00995; P (X > 30) = 1 P (X 30) = 1 F (30) = e = 0,74082; P (80 < X < 120) = F (120) F (80) = e e = 0, Viz prostřední řádek výpočtu: s využitím opačného jevu se snažíme nerovnosti typu X > x 0 převést na výraz využívající pravděpodobnost X < x 0, a pak dosadit distribuční funkci v daném x 0. Důležitým cvičením je v každém z uvedených tří případů nakreslit obrázek plochy, jejíž obsah počítáme (viz minulá přednáška). bed b@d OBSAH 19/39

20 Příklad 8.3. Domácí úkol na příští přednášku: s využitím vztahu F (x) = x f(t) dt vypočtěte F (x), jeli zadána hustota f(x) na obrázku: 1 y x 2 3 bed b@d OBSAH 20/39

21 Důležitými parametry pro popis náhodné veličiny jsou střední hodnota a rozptyl. Střední hodnota náhodné veličiny X je, zhruba řečeno, průměrná hodnota, kterou naměříme. Přesněji řečeno, jedná se o teoretický průměr = průměr hodnot měření veličiny X, který bychom většinou spočetli, pokud by se měřená veličina chovala přesně podle teoretického popisu zadaného distribuční funkcí F (x). Studenti musí opět pečlivě vážit, zda při výpočtu užít diskrétní či spojitou variantu vzorce: bed b@d OBSAH 21/39

22 EX = k Ω k p(k) pro diskrétní X; + x f(x) dx pro spojitou X. (3) Dalším důležitým parametrem je rozptyl: ten udává, jak moc by se odchylovaly měřené hodnoty X od své střední hodnoty EX, pokud by se veličina X chovala přesně podle teoretického popisu zadaného distribuční funkcí F (x). Vzorec pro výpočet: DX = ( k Ω k2 p(k) ) (EX) 2 pro diskrétní X; + x2 f(x) dx (EX) 2 pro spojitou X. (4) bed b@d OBSAH 22/39

23 Protože rozměr veličiny DX je čtverec rozměru veličiny X, pro praktické účely potřebujeme znát tzv. směrodatnou odchylku, definovanou jako σ(x) = DX. (5) Směrodatná odchylka je tedy veličina, která nám reprezentuje míru odchylování veličiny X od její střední hodnoty EX a to ve stejných jednotkách jako jsou jednotky veličiny X. bed b@d OBSAH 23/39

24 Pro názornost: zhruba řečeno, u mnoha veličin platí tzv. pravidlo šesti σ: asi 97,5 procent měření veličiny X (tedy naprostá většina měření veličiny) leží v intervalu EX 3σ; EX + 3σ. Tedy rozptýlenost měření veličiny X lze popsat intervalem šířky 6σ a středem v bodě EX. Více o tomto pravidle bude řečeno u normálního rozdělení pravděpodobnosti. bed b@d OBSAH 24/39

25 Poznámka: pokud máme k dispozici měření x 1, x 2,..., x n veličiny X, tak odhadem její střední hodnoty EX je průměr těchto měření x = 1 n n x i, odhadem jejího rozptylu DX je empirický rozptyl naměřených hodnot ( ) s 2 = 1 n (x x) 2 1 n =... = x 2 i (x) 2 n n 1 (pomůcka pro zapamatování: průměr čtverců minus čtverec průměru). 1 1 bed b@d OBSAH 25/39

26 Příklad 8.4. Diskrétní náhodná veličina udává počet gramatických chyb v krátkém textu, platí pro ni 0 pro x 0 F (x) = 0,5 pro x (0; 1 ; 0,8 pro x (1; 2 ; 0,9 pro x (2; 3 ; 0,95 pro x (3; 4 ; 1 pro x (4; ). Určete pravděpodobnost toho, že v textu budou a) méně než dvě chyby; b) právě tři chyby; c) vypočtěte EX, DX. bed b@d OBSAH 26/39

27 Řešení: Ad a) Nejjednodušší úkol: pouze dosadíme zadání: P (X < 2) = F (2) = 0,8. Ad b,c) Veličina X může nabývat hodnot 0, 1, 2, 3, 4 to plyne z charakteru funkce F (x). Hodnoty pravděpodobnostní funkce jsou rovny výšce schodů v jednotlivých bodech skoku. Pak P (X = 3) = 0,05; pro střední hodnotu platí (vzorec 3) EX = 0 (0,5 0) + 1 (0,8 0,5) + 2 (0,9 0,8) + 3 (0,95 0,9) +4 (1 0,95) = 0,85. DX = 1 0, , , ,05 0,85 2 = 1,2275. σ = DX. = 1,08. bed b@d OBSAH 27/39

28 Příklad 8.5. Spojitá náhodná veličina je popsána distribuční funkcí 0 pro x 0 x 4 pro x (0; 2 ; F (x) = x 2 2 2x pro x (2; 3 ; 1 pro x (3; ). Určete a) P (X (1,5; 2,5)); P (X > 2, 5) b) EX, DX; c) x 0 tak, aby veličina X nabývala hodnoty menší než x 0 s pravděpodobností 0,8. bed b@d OBSAH 28/39

29 Řešení: ad a) získáme pomocí vztahu 2: P (X (1,5; 2,5)) = F (2,5) F (1, 5) = 0,25; P (X > 2,5) = 1 F (2,5) = = 0,375. Ad c) vlastně tentýž příklad jako a), jen máme zadaný výsledek pravděpodobnosti a máme určit x 0. Jen musíme dát pozor, který předpis pro F (x) platí pro dané x 0 : z toho, že P (X < x 0 ) = 0,8 F (x 0 ) = 0,8 plyne, že x 0 nemůže být z intervalu (0; 2, protože rovnice x 4 = 0,8 nemá řešení na intervalu (0; 2. Tedy bed b@d OBSAH 29/39

30 x (2; 3 a lze do F (x 0 ) = 0,8 dosadit předpis x x = 0,8; A nyní víme, že při řešení této kvadratické rovnice musíme hledat řešení v intervalu x (2; 3, tedy ze dvou řešení kvadratické rovnice nyní odpovídá situaci pouze x 0 = 2,7746. Ad b) pozor, case-sensitive vzorec pro EX vyžaduje, abychom z F (x) určili hustotu f(x). Díky vzorci 1 víme, že F (x) je integrálem z f(x) naopak f(x) bed b@d OBSAH 30/39

31 tedy najdeme jako derivaci distribuční funkce: 0 pro x 0 1 f(x) = F 4 pro x (0; 2 ; (x) = x 2 pro x (2; 3 ; 0 pro x (3; ). Nyní pomocí vzorce 3 můžeme počítat EX = = 2 3 x dx + x (x 2) dx = 2 [ ] x 2 2 [ ] x x2 = 1, bed b@d OBSAH 31/39

32 a podle 4 DX = [ x 3 = ] 2 0 x dx + [ x x ] 3 2 x 2 (x 2) dx 1, = 1, = 0, bed b@d OBSAH 32/39

33 Zakončíme dalšími shrnujícími otázkami k opakování, jejichž odpovědi musí každý student znát: otázka č. 6. Jak se definuje distribuční funkce F (x)? Odpověď: F (x) = P (X < x). otázka č. 7. Jak se čte zápis z otázky číslo 6? Odpověď: Hodnota funkce F v bodě x se rovná pravděpodobnosti, že veličina X nabude hodnoty menší než x, tj. hodnoty z intervalu ( ; x). otázka č. 8. Jaké jsou vlastnosti distribuční funkce F (x) u diskrétní i spojité veličiny X? Odpověď: bed b@d OBSAH 33/39

34 1. lim x F (x) = 0; lim x F (x) = F je neklesající funkce (jedná se o jakousi kumulativní pravděpodobnost, která pro rostoucí hodnoty proměnné x může jen růst, nikoli klesat). 3. Funkce F je zleva spojitá v každém bodě, tj. limita zleva se rovná funkční hodnotě v každém bodě: lim F (x) = F (x 0 ) x x 0 pro libovolné reálné x U obou typů veličin (diskrétní i spojité) platí P (X a; b)) = F (b) F (a). bed b@d OBSAH 34/39

35 otázka č. 9. Je nějaký rozdíl mezi hodnotami pravděpodobnostip (X (a; b)), P (X a; b)), P (X (a; b ), P (X a; b )? Odpověď: U spojité veličiny NE, u diskrétní veličiny ANO. přesněji u diskrétní veličiny uvedené čtyři pravděpodobnosti mohou být navzájem různé: P (X a; b)) = F (b) F (a); P (X a; b ) = F (b) F (a) + P (X = b); P (X (a; b)) = F (b) F (a) P (X = a); P (X (a; b ) = F (b) F (a) + P (X = b) P (X = a). Jednoduše řečeno, pokud by se uvedené vzorce někomu zdály kostrbaté, vždy lze z funkce F (x) bed b@d OBSAH 35/39

36 vyjádřit pravděpodobnostní funkci p(x) a vzorec P (X I) = k I p(k) platí pro jakýkoli tvar intervalu I. otázka č. 10. Jak se vypočte střední hodnota náhodné veličiny X? Odpověď: Pro diskrétní veličinu (s pravděpodobnostní funkcí p(k)) EX = k Ω k p(k); bed b@d OBSAH 36/39

37 (s hustotou f(x) pozor, case-sensitive!) EX = x f(x)dx. otázka č. 11. Jak se vypočte rozptyl náhodné veličiny X? odpověď: Pro diskrétní veličinu (s pravděpodobnostní funkcí p(k)) ( ) DX = k 2 p(k) (EX) 2 ; k Ω bed b@d OBSAH 37/39

38 (s hustotou f(x) pozor, case-sensitive!) DX = x 2 f(x)dx (EX) 2. otázka č. 12. Sice platí F (x) = f(x), ale F (x) f(x). Jak je to možné? Odpověď: f(x) je označení celé třídy funkcí, které se liší o konstantu. Jen jedna z nich má graf ležící celý v pásu mezi přímkami y = 0 a y = 1 a je dost malá pravděpodobnost, že je to zrovna ta, pro niž je konstanta rovna nule. Správný vztah je F (x) = x f(t)dt. bed b@d OBSAH 38/39

39 Literatura Dosazením mezí je výpočet správné konstanty zaručen. Literatura [1] Fajmon, B., Růžičková, I.: Matematika 3. Skriptum FEKT 2003 (identifikační číslo v informačním systému VUT: MAT103). [2] Hlavičková, I., Hliněná, D.: Sbírka úloh z pravděpodobnosti. Skriptum FEKT bed b@d OBSAH 39/39