Cyfroteka.pl

klikaj i czytaj online

Cyfro
Czytomierz
00088 012214 16996505 na godz. na dobę w sumie
Statystyka matematyczna - ebook/pdf
Statystyka matematyczna - ebook/pdf
Autor: Liczba stron: 258
Wydawca: C. H. Beck Język publikacji: polski
ISBN: 978-83-255-1606-2 Data wydania:
Lektor:
Kategoria: ebooki >> naukowe i akademickie >> inne
Porównaj ceny (książka, ebook, audiobook).

Podejmowanie prawidłowych decyzji gospodarczych, demograficznych, społecznych itp. wymaga znajomości metod ilościowych, stąd w programach nauczania uczelni wyższych przewidziano zajęcia ze statystyki.

Statystyka matematyczna zajmuje się metodami wnioskowania, tj. estymacji i weryfikacji hipotez o całej zbiorowości na podstawie wybranej w sposób losowy pewnej jej części, określanej mianem próby losowej. Wnioskowanie statystyczne, które ma umożliwić znalezienie odpowiedzi na pytanie „jak prawdopodobnie będzie?”, zarówno w procedurze estymacji, jak i weryfikacji hipotez, odbywa się zawsze w warunkach niepewności. Zapewnienie wysokiej reprezentatywności próby jest zagadnieniem skomplikowanym i wymaga znajomości rachunku prawdopodobieństwa.

Poszczególne rozdziały podręcznika poświęcono odpowiednio:

• probabilistycznym podstawom statystyki matematycznej,

• próbie losowej i rozkładom z próby.

• estymacji i weryfikacji hipotez w analizie struktury,

• współzależności i dynamiki zjawisk masowych.

Podręczniki Statystyka opisowa oraz Statystyka matematyczna autorstwa Mieczysława Sobczyka razem obejmują cały zakres problematyki nauczania metod statystycznych na studiach ekonomicznych i kierunkach pokrewnych.

„Cechą wyróżniającą tej pracy jest jej solidność, wyrażająca się w szczegółowej prezentacji materiału, ilustrowaniem go w postaci wielu przykładów, zamieszczeniu wielu zadań”.

Prof. dr hab. Józef Pociecha Katedra Statystyki Uniwersytet Ekonomiczny w Krakowie

Znajdź podobne książki Ostatnio czytane w tej kategorii

Darmowy fragment publikacji:

Statystyka_matematyczna 8/27/10 2:29 PM Page 1 S S t t a a t t y y s s t t y y k k a a m m a a t t e e m m a a t t y y c c z z n n a a M i e c z y s ∏ a w S o b c z y k Podejmowanie prawid∏owych decyzji gospodarczych, demograficznych, spo∏ecznych itp. wymaga znajomoÊci metod iloÊciowych, stàd w programach nauczania uczelni wy˝szych przewidziano zaj´cia ze statystyki. Statystyka matematyczna zajmuje si´ metodami wnioskowania, tj. estymacji i weryfikacji hipotez o ca∏ej zbiorowoÊci na podstawie wybranej w sposób losowy pewnej jej cz´Êci, okreÊlanej mianem próby losowej. Wnioskowanie statystyczne, które ma umo˝liwiç znalezienie odpowiedzi na pytanie „jak prawdopodobnie b´dzie?”, zarówno w procedurze estymacji, jak i weryfikacji hipotez, odbywa si´ zawsze w warunkach niepewnoÊci. Zapewnienie wysokiej reprezentatywnoÊci próby jest zagadnieniem skomplikowanym i wymaga znajomoÊci rachunku prawdopodobieƒstwa. Poszczególne rozdzia∏y podr´cznika poÊwi´cono odpowiednio: w probabilistycznym podstawom statystyki matematycznej, w próbie losowej i rozk∏adom z próby, w estymacji i weryfikacji hipotez w analizie struktury, w wspó∏zale˝noÊci i dynamiki zjawisk masowych. Podr´czniki Statystyka opisowa oraz Statystyka matematyczna autorstwa Mieczys∏awa Sobczyka razem obejmujà ca∏y zakres problematyki nauczania metod statystycznych na studiach ekonomicznych i kierunkach pokrewnych. „Cechà wyró˝niajàcà tej pracy jest jej solidnoÊç, wyra˝ajàca si´ w szczegó∏owej prezentacji materia∏u, ilustrowaniem go w postaci wielu przyk∏adów, zamieszczeniu wielu zadaƒ”. Prof. dr hab. Józef Pociecha Katedra Statystyki Uniwersytet Ekonomiczny w Krakowie . Dr Mieczys∏aw Sobczyk jest doÊwiadczonym dydaktykiem, adiunktem w Zak∏adzie Statystyki i Ekonometrii Uniwersytetu Marii Curie-Sk∏odowskiej w Lublinie. www.sklep.beck.pl e-mail: dz.handlowy@beck.pl http://www.beck.pl tel.: (22) 31 12 222 fax: (22) 33 77 601 Cena 49 z∏ Statystyka Statystyka matematyczna matematyczna Mieczys∏aw Sobczyk Statystyka_mat_str 8/27/10 2:37 PM Page 1 Statystyka matematyczna Statystyka_mat_str 8/27/10 2:37 PM Page 2 Statystyka matematyczna Mieczys∏aw Sobczyk WYDAWNICTWO C.H. BECK WARSZAWA 2010 Wydawca: Dorota Ostrowska-Furmanek Redakcja merytoryczna: Danuta Kamińska-Hass Recenzent: prof. dr hab. Józef Pociecha Projekt okładki i stron tytułowych: Maryna Wiśniewska Ilustracja na okładce: c(cid:13)MarkEvans/iStockphoto.com Seria: Metody ilościowe Złożono programem TEX c(cid:13) Wydawnictwo C.H. Beck 2010 Wydawnictwo C.H. Beck Sp. z o.o. ul. Bonifraterska 17, 00-203 Warszawa Skład i łamanie: Wydawnictwo C.H. Beck Druk i oprawa: Poznańskie Zakłady Graficzne ISBN 978-83-255-1606-2 Spis treści . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Rozdział 2. Próba losowa i rozkłady statystyk z próby . . . . . Wstęp . Rozdział 1. Probabilistyczne podstawy statystyki matematycznej . . . . . . . . 1.4.1. Rozkład zerojedynkowy . . . 1.4.2. Rozkład Bernoulliego . . . . 1.4.3. Rozkład Poissona . . 1.4.4. Rozkład normalny . . . 1.4.5. Rozkład t-Studenta . . . 1.4.6. Rozkład chi-kwadrat (χ2) . 1.4.7. Rozkład F-Snedecora . . 9 . . . . . . . . . . . . . . . . . . 13 . . . 13 . . . . . . . . . . . . . . . . . . 1.1. Prawdopodobieństwo i jego własności 23 . . . . . . . . . . . . . . . . . . 1.2. Zmienna losowa i jej rodzaje . . . 30 1.3. Parametry rozkładu zmiennej losowej . . . . . . . . . . . . . . . . . . 37 1.4. Podstawowe rozkłady prawdopodobieństwa zmiennych losowych . . . . . 37 . . . . . . . . . . . . . . . . . . 38 . . . . . . . . . . . . . . . . . . 40 . . . . . . . . . . . . . . . . . . 42 . . . . . . . . . . . . . . . . . . 46 . . . . . . . . . . . . . . . . . . 48 . . . . . . . . . 49 . . . . . . . . . . . . . . . . . . 50 1.5. Prawa wielkich liczb i twierdzenia graniczne . . . . . . . . . . . . . . . . 54 Pytania kontrolne . . . . . . . . . . . . . . . . . . . 55 . . . . . . . . . . . . . . . . . . . Zadania . 67 . . . 67 . . . . . . . . . . . . . . . . . . 72 . . . . . . . . . . . . . . . . . . 75 . . . . . . . . . . . . . . . . . . 77 . . . . . . . . . . . . . . . . . . 79 . . . . . . . . . . . . . . . . . . 80 . . . . . . . . . . . . . . . . . . 80 . . . . . . . . . . . . . . . . . . 82 . . . . . . . . . . . . . . . . . . 82 . . . . . . . . . . . . . . . . . . 83 . . . . . . . . . . . . . . . . . . 85 . . . 85 3.1. Estymator i jego pożądane własności . . . . . . . . . . . . . . . . . . . 90 3.2. Estymacja punktowa i estymacja przedziałowa . . . . . . . . . . . . . . . 92 3.2.1. Szacowanie wartości oczekiwanej . . . . . . . . . . . . . . . . . . 3.2.2. Szacowanie wariancji i odchylenia standardowego . . . . . . . . . 98 3.2.3. Szacowanie wskaźnika struktury . . . . . . . . . . . . . . . . . . 100 3.3. Wyznaczanie minimalnej liczebności próby . . . . . . . . . . . . . . . . 102 . 103 . 2.1. Schematy losowania próby . 2.2. Podstawowe rozkłady statystyk z próby . 2.2.1. Rozkład średniej arytmetycznej . . 2.2.2. Rozkład wariancji . . 2.2.3. Rozkład różnicy średnich . 2.2.4. Rozkład ilorazu wariancji . . . . . 2.2.5. Rozkład frakcji . . . . . 2.2.6. Rozkład różnicy frakcji . . . . . . . . . . 3.3.1. Minimalna liczebność próby przy szacowaniu średniej populacji Rozdział 3. Estymacja parametrów struktury . . . . Pytania kontrolne . Zadania . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Spis treści . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Pytania kontrolne . Zadania . . 4.2.1. Testy istotności dla średniej . 4.2.2. Testy istotności dla wariancji 4.2.3. Test istotności dla frakcji . . 4.1. Uwagi wstępne . 4.2. Parametryczne testy istotności w przypadku jednej populacji 3.3.2. Minimalna liczebność próby przy szacowaniu wskaźnika struktury 104 . . . . . . . . . . . . . . . . . . . . 105 . . . . . . . . . . . . . . . . . . . . 106 Rozdział 4. Weryfikacja hipotez statystycznych w zakresie analizy struktury 117 . . . . . . . . . . . . . . . . . . . . 117 . . . . . . . 121 . . . . . . . . . . . . . . . . . . . . 122 . . . . . . . . . . . . . . . . . . . . 127 . . . . . . . . . . . . . . . . . . . . 130 4.3. Parametryczne testy istotności w przypadku dwóch populacji . . . . . . . 131 4.3.1. Testy istotności dla dwóch średnich . . . . . . . . . . . . . . . . . 131 4.3.2. Testy istotności dla dwóch wariancji . . . . . . . . . . . . . . . . 135 4.3.3. Testy istotności dla dwóch frakcji . . . . . . . . . . . . . . . . . . 136 . . . . . 137 4.4.1. Test zgodności χ2 . . . . . . . . 139 4.4.2. Test serii do badania losowości próby . . . . . . . . . . . . . . . . 146 . . . . . . . . . . . . . . . . . . . . 148 . . . . . . . . . . . . . . . . . . . . 149 Rozdział 5. Wnioskowanie statystyczne w analizie korelacji i regresji . . . . . 161 5.1. Dwuwymiarowa zmienna losowa . . . . . . . . . . . . . . . . . . . . . 161 5.2. Estymacja przedziałowa w analizie współzależności zjawisk . . . . . . . 171 5.2.1. Przedziały ufności dla współczynnika korelacji liniowej Pearsona . 171 5.2.2. Przedziały ufności dla parametrów strukturalnych liniowej funkcji 4.4. Nieparametryczne testy istotności w przypadku jednej populacji Pytania kontrolne . Zadania . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Pytania kontrolne . Zadania . . . 5.3.1. Testy parametryczne . 5.3.2. Testy nieparametryczne . . . regresji z jedną zmienną objaśniającą . . . . . . . . . . . . . . . . 173 5.3. Weryfikacja hipotez w analizie współzależności zjawisk . . . . . . . . . . 179 . . . . . . . . . . . . . . . . . . . . 180 . . . . . . . . . . . . . . . . . . . . 186 . . . . . . . . . . . . . . . . . . . . 196 . . . . . . . . . . . . . . . . . . . . 197 Rozdział 6. Wnioskowanie statystyczne w analizie szeregów czasowych . . . 207 6.1. Przedziały ufności dla parametrów strukturalnych liniowej funkcji trendu . 207 6.2. Ocena istotności współczynnika kierunkowego liniowej funkcji trendu . . 211 6.3. Badanie hipotezy o braku trendu w szeregu czasowym . . . . . . . . . . 212 6.4. Testowanie liniowości funkcji trendu . . . . . . . . . . . . . . . . . . . . 213 6.5. Badanie autokorelacji składników losowych . . . . . . . . . . . . . . . . 215 . . . . . . . . . . . . . . . . . . . . 218 Pytania kontrolne . . . . . . . . . . . . . . . . . . . . 219 . Zadania . . . . . . . . . . . . . . . . . . . . . . 222 . . . . . . . . . . . . . . . . . . . . 222 . . . . . . . . . . . . . . . . . . . 224 . . . . . . . . . . . . . . . . . . . . 224 . . . . . . . . . . . . . . . . . . . . 225 . . . . . . . . . . . . . . . . . . . . . 226 . . . . . . . . . . . . . . . . . . . 227 . . . . . . . . . . . . . . . . . . . . . 229 . . . . . . . . . . . . . . . . . . . . 229 . . . . . . . . . . . . . . . . . . . . 230 . . . . . . . . . . . Liczby losowe (fragment) . . . Odpowiedzi do zadań . . . . . . . . . . . . . . . Tablice statystyczne . 1. Alfabet grecki . 2. Rozdział 1 . Rozdział 2 . Rozdział 3 . Rozdział 4 . Rozdział 5 . Rozdział 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 Spis treści . . . . . . . . . . . . . . . . 231 3. Dystrybuanta rozkładu normalnego N(0; 1) . . . . . . . . . . . . . . . . . . . . . 235 . . 4. Rozkład t-Studenta . 5. Rozkład χ2 . . . . . . . . . . . . . . . . 237 . . . . . . . . . . 238 . . . . 6. Rozkład F-Snedecora (dla α = 0,01) . . . . . . . . 242 . 7. Rozkład F-Snedecora (dla α = 0,05) . . . . . . . . . . . . . . . . . . . 246 . 8. Rozkład Poissona . . . . . . . . . . . . . . . . . . . . 248 9. Rozkład liczby serii . . . . . . 251 10. Wartości krytyczne współczynnika korelacji rangowej Spearmana 11. Przekształcenie współczynnika korelacji r na z . . . . . . . 252 12. Wartości krytyczne testu Durbina-Watsona . . . . . . . . . . . . . . . . . 253 . . . . . . . . . . . . . . . . . . 255 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bibliografia . . . . . . Wstęp Do podejmowania prawidłowych decyzji i analizowania procesów gospodarczych, demograficznych, społecznych itp. niezbędna jest znajomość metod ilościowych. Z tego też względu w programach nauczania uczelni wyższych przewidziano zajęcia ze statystyki. Programy te obejmują zazwyczaj statystykę opisową (studia licencjackie) oraz statystykę matematyczną (studia magisterskie). Przedmiotem zainteresowań statystyki opisowej są problemy programowania badań statystycznych, metody obserwacji statystycznej, sposoby opracowywania i prezentacji materiału statystycznego oraz syntetyzująca (sumaryczna) charak- terystyka – za pomocą odpowiednich parametrów – właściwości zbioru danych. Metody statystyki opisowej są wykorzystywane wtedy, gdy obserwacją jest objęta cała zbiorowość (populacja generalna). Mówimy wówczas o badaniach pełnych, wyczerpujących. Statystyka matematyczna (zwana też statystyką indukcyjną) zajmuje się me- todami wnioskowania, tj. estymacji i weryfikacji hipotez o całej zbiorowości (populacji generalnej) na podstawie wybranej w sposób losowy pewnej jej części, określanej mianem próby losowej. Metody statystyki matematycznej znajdują szerokie zastosowanie w badaniach częściowych (niepełnych, niewyczerpują- cych). Fundamentalną sprawą w badaniu częściowym jest to, aby próba była reprezentatywna, tzn. jej struktura pod względem badanej właściwości (cechy) była zbliżona do struktury tej cechy w populacji generalnej. Zapewnienie wyso- kiej reprezentatywności próby jest zagadnieniem dość skomplikowanym. Wynika to z faktu, że populacja generalna jest nieznana, a dopiero badanie częściowe ma dostarczyć informacji o niej. Wykorzystanie metod wnioskowania statystycznego (statystyki matematycznej, statystyki indukcyjnej) wymaga znajomości rachunku prawdopodobieństwa. Z tego też względu w rozdziale 1 oraz w podrozdziale 5.1 (dotyczącym dwuwymiarowej zmiennej losowej). zamieszczono podstawowe wiadomości z tej dziedziny wiedzy. Zakres przedmiotowy statystyki przedstawia rysunek 1. Metody statystyczne dotyczące zarówno opisu, jak i wnioskowania mogą być użyteczne w liczbowym rozpoznaniu struktury, współzależności oraz dynamiki zjawisk masowych. O ile jednak opis statystyczny odpowiada na pytanie: „jak jest?”, o tyle wnioskowanie statystyczne jest związane z pytaniem: „jak prawdopo- 9 Wstęp Rysunek 1. Zakres statystyki Źródło: [Cieciura, Zacharski, 2007, s. 239]. dobnie może być?”. Tak więc, wnioskowanie statystyczne w obydwu zasadniczych procedurach, tj. estymacji i weryfikacji hipotez, odbywa się zawsze w warunkach niepewności. Mówimy, że jest ono wnioskowaniem indukcyjnym o charakterze stochastycznym (opartym na rachunku prawdopodobieństwa). Wzajemne relacje pomiędzy metodami analizy, opisem i wnioskowaniem statystycznym przedstawia tabela 1. Tabela 1. Podstawowe metody analizy statystycznej Metody analizy Opis statystyczny Wnioskowanie statystyczne Struktury zjawisk Współzależności zjawisk Dynamiki zjawisk Miary średnie Miary zmienności Miary asymetrii Miary koncentracji i spłaszczenia (kurtozy) Rachunek korelacji Rachunek regresji Szeregi czasowe bez sezonowości Szeregi czasowe z sezonowością Indeksy statystyczne Estymacja parametrów (punktowa i przedziałowa) Weryfikacja hipotez (parametrycznych i nieparametrycznych) Źródło: opracowanie własne na podstawie: [Luszniewicz, Słaby, 2008, s.14]. Całość problematyki statystyki jest ujęta w dwóch odrębnych, wzajemnie uzupełniających się pozycjach noszących tytuły: Statystyka opisowa i Statystyka matematyczna. Prezentowane w nich zagadnienia są podawane od podstaw i nie są nazbyt skomplikowane pod względem matematycznym. Cenną zaletą tych pozycji jest – zdaniem autora – zamieszczenie wielu rozwiązanych przykładów, które ilustrują istotę omawianych procedur statystycznych oraz pokazują możliwości interpretacyjne otrzymanych wyników. Ponadto zawierają one bogaty zestaw zadań do samodzielnego rozwiązania. Kontrolę stopnia opanowania wiedzy ułatwiają 10 Wstęp zamieszczone na końcu podręczników odpowiedzi do wszystkich zadań. Celowi temu służą również pytania kontrolne. W pracach zamieszczono obszerną bibliografię, zawierającą publikacje książ- kowe z zakresu statystyki. Pozwoli ona na pogłębienie znajomości prezentowanych zagadnień, jak również na poszerzenie wiedzy w zakresie – pominiętych z ko- nieczności – treści. We współczesnym świecie nabycie umiejętności praktycznego stosowania metod statystycznych jest nieodzowne. Serwisy informacyjne, gazety codzien- ne, pisma popularne zawierają „gąszcz liczb”. Należy umieć je interpretować. W przeciwnym przypadku nie jesteśmy w stanie trafnie ocenić tych doniesień, jak też wyciągać z nich odpowiednie wnioski. Autor daleki jest od popierania stwier- dzeń typu: „statystyka jest prosta i oczywista” czy „statystyka jest intuicyjnie zrozumiała”. Tak jak każda dziedzina wiedzy wymaga ona znacznego wysiłku i żmudnej pracy w celu zdobycia określonych umiejętności. Autor żywi nadzieję, że zawarty w pracach zakres przedmiotowy i zrozumiały sposób ujęcia rozpatrywanych zagadnień, uczynią je przyjaznymi dla studen- tów wydziałów ekonomicznych i humanistycznych (socjologów, psychologów, pedagogów, historyków itp.), jak również dla szerokiego grona praktyków prowa- dzących analizy statystyczne. Oby przekonanie o nieuchronności związku „nudy” i „statystyki” stało się nieuzasadnione, a wątpliwości w zakresie możliwości zro- zumienia świata opisanego za pomocą statystyki – błędne1. *** Podręcznik Statystyka matematyczna obejmuje problematykę wnioskowania statystycznego (statystyki indukcyjnej). Pod względem formalnym zawiera on pięć rozdziałów poświęconych kolejno: probabilistycznym podstawom statysty- ki matematycznej, próbie losowej i rozkładom z próby, estymacji i weryfikacji hipotez w analizie struktury, współzależności i dynamiki zjawisk masowych. Inte- gralną częścią podręcznika jest aneks, w którym zamieszczono – niezbędne przy rozwiązywaniu problemów dotyczących badań częściowych – tablice statystyczne. W tej pracy, podobnie jak w Statystyce opisowej zamieszczono dużo rozwiąza- nych przykładów oraz zadań do samodzielnego „zmagania się” ze statystycznymi problemami. Poprawność otrzymanych wyników można sprawdzić z podanymi odpowiedziami do zadań. Zarówno sposób prezentacji materiału statystycznego, jak i przyjęta symbolika wskazują na to, że obydwie części: Statystyka opisowa i Statystyka matematyczna, stanowią integralną całość. W zależności od liczby godzin przeznaczonych w programach studiów różnych kierunków na zgłębianie statystyki, niektóre treści mogą być pominięte. 1 Jak mawiał jeden ze studentów: „jeśli pozostałby mi tylko jeden dzień życia, spędziłbym go na statystyce – dzięki temu wydałby mi się on znacznie dłuższy”, por. [Szwed, 2009, s. 11]. 11 Wstęp Jakkolwiek w podręcznikach występuje duża liczba wzorów, to nie powinny one wzbudzać niepokoju. Ich zrozumienie i wykorzystanie nie wymaga bowiem pogłębionej znajomości wiedzy z matematyki. Świadomie pominięto wyprowa- dzanie wzorów, podając je – w gotowej do praktycznych zastosowań – postaci. Pogłębieniu metod statystycznych służy zamieszczona w obydwu podręcznikach bogata literatura przedmiotu. Autor składa serdeczne podziękowania na ręce Pana Profesora Józefa Pociechy z Uniwersytetu Ekonomicznego w Krakowie za niezwykle trafne i cenne uwagi, które miały istotny wpływ na ostateczny kształt tej pracy. Dziękuję również córce Ewelinie oraz Monice Sobolewskiej za ich trud włożony w techniczne redagowanie tekstu. Autor 12 Rozdział 1. Probabilistyczne podstawy statystyki matematycznej 1.1. Prawdopodobieństwo i jego własności W różnych dziedzinach ludzkiej działalności mamy do czynienia ze zjawiska- mi losowymi (przypadkowymi), tj. takimi, których wyniku nie można z góry przewidzieć. Tego rodzaju zjawiska są bowiem zależne od przyczyn, których nie jesteśmy w stanie wyeliminować. Przykładowo, nie jesteśmy w stanie przewi- dzieć liczby wypadków drogowych, wad produkowanych wyrobów, ceny akcji na giełdzie, dokładnego czasu żarzenia się żarówki itp. Badaniem prawidłowości rządzących zjawiskami losowymi zajmuje się rachunek prawdopodobieństwa. W każdym doświadczeniu losowym można wyróżnić najprostsze, nierozkła- dalne zdarzenia (wyniki doświadczenia). Zdarzenia te nazywamy elementarnymi. Zbiór wszystkich zdarzeń elementarnych związanych z danym doświadczeniem losowym nazywamy przestrzenią zdarzeń elementarnych. Elementy przestrze- ni zdarzeń elementarnych będziemy oznaczać symbolem ei, natomiast przestrzeń zdarzeń elementarnych – symbolem E. Każdy podzbiór przestrzeni zdarzeń ele- mentarnych nazywamy zdarzeniem losowym. Zdarzenia losowe oznaczamy dużymi literami alfabetu A, B, C, . . . Przestrzeń zdarzeń elementarnych może być zbiorem skończonym lub nie- skończonym. Ze skończoną przestrzenią zdarzeń elementarnych mamy do czynienia np. w doświadczeniu polegającym na jednokrotnym rzucie kostką do gry. Zdarzeniami losowymi mogą być tutaj [Oczkoś, 2005, s. 3]: A – wypadła parzysta liczba oczek, B – wypadła liczba oczek większa od 3, C – wypadła liczba oczek będąca liczbą pierwszą. W tym doświadczeniu zbiór zdarzeń elementarnych jest sześcioelemento- wy E = {e1, e2, e3, e4, e5, e6}, gdzie ei (i = 1, 2, . . . , 6) oznaczają zdarzenie elementarne: wypadło i oczek. Zdarzeniem A określamy podzbiór {e2, e4, e6}. Zachodzi ono wtedy i tylko wtedy, gdy wypada 2 lub 4, lub 6 oczek. Zdarzenie B to podzbiór {e4, e5, e6}. Zachodzi ono wtedy i tylko wtedy, gdy wypada 4 lub 5, lub 6 oczek. Wreszcie zdarzenie C określamy jako podzbiór {e2, e3, e5}. Zacho- dzi ono wtedy i tylko wtedy, gdy wypada 2 lub 3, lub 5 oczek. 13 Rozdział 1. Probabilistyczne podstawy statystyki matematycznej Jeżeli jakieś zdarzenie elementarne należy do zdarzenia losowego (zbioru) A, to mówimy, że sprzyja ono zdarzeniu A. W przeciwnym przypadku mówi- my o zdarzeniu przeciwnym (niesprzyjającym). Spośród wszystkich podzbiorów zbioru E, na szczególną uwagę zasługują dwa z nich: podzbiór identyczny z całym zbiorem E i podzbiór Ø niezawierający żadnego elementu. W pierwszym przy- padku mówimy o zdarzeniu pewnym, a w drugim – o zdarzeniu niemożliwym. Inaczej mówiąc, zdarzenie A jest zdarzeniem pewnym, jeśli każde zdarzenie elementarne ze zbioru E sprzyja zdarzeniu A. Podobnie, zdarzenie A jest zdarze- niem niemożliwym, jeśli żadne zdarzenie elementarne ze zbioru E nie sprzyja zajściu zdarzenia A. Jeżeli przestrzeń zdarzeń elementarnych jest zbiorem n-elementowym, to liczba jego podzbiorów jest równa 2n. Ze zbioru E = {e1, e2, e3, e4, e5, e6} można więc utworzyć 26 = 64 podzbiory (zdarzenia), a mianowicie: 1) 2 podzbiory niewłaściwe: Ø, E; 2) 6 podzbiorów jednoelementowych: {e1}, . . . ,{e6}; 3) 15 podzbiorów dwuelementowych: {e1, e2},{e1, e3}, . . . ,{e1, e6}; 4) 20 podzbiorów trzyelementowych: {e1, e2, e3}, . . . ,{e4, e5, e6}; 5) 15 podzbiorów czteroelementowych: {e1, e2, e3, e4}, . . . ,{e3, e4, e5, e6}; 6) 6 podzbiorów pięcioelementowych:{e1, e2, e3, e4, e5}, . . . ,{e2, e3, e4, e5, e6}. Z nieskończoną przestrzenią zdarzeń elementarnych mamy np. do czynienia w doświadczeniu polegającym na obserwacji wzrostu przypadkowo wybranej osoby. Przestrzeń tę stanowi pewien przedział liczbowy możliwych wartości wzrostu. Na zdarzeniach losowych, podobnie jak na zbiorach, możemy wykonywać działania, a mianowicie: 1) Zdarzenia A i B nazywamy identycznymi (A = B), jeżeli zdarzenie A zachodzi wtedy i tylko wtedy, gdy zachodzi zdarzenie B. Zdarzeniom tym sprzyjają te same zdarzenia elementarne. 2) Zdarzenie A pociąga za sobą (implikuje) zdarzenie B (A ⊂ B), jeśli zdarzenia elementarne sprzyjające zdarzeniu A sprzyjają również zdarzeniu B (jeśli zaszło zdarzenie A, to zaszło również zdarzenie B). 3) Sumą (alternatywą) zdarzeń A i B (A ∪ B) nazywamy takie zdarzenie C, które zachodzi wtedy i tylko wtedy, gdy zachodzi zdarzenie A lub zdarzenie B. Niech A oznacza zdarzenie polegające na tym, że w rzucie kostką wypadła nieparzysta liczba oczek, a B – zdarzenie polegające na otrzymaniu liczby oczek mniejszej od 4. Mamy wówczas: C = A ∪ B = {e1, e3, e5} ∪ {e1, e2, e3} = {e1, e2, e3, e5}. 4) Iloczynem (koniunkcją, częścią wspólną) zdarzeń A i B nazywamy takie zdarzenie C, które zachodzi wtedy i tylko wtedy, gdy zachodzi zdarzenie A i zdarzenie B, tj. C = A ∩ B. 14 1.1. Prawdopodobieństwo i jego własności Niech A oznacza zdarzenie polegające na wylosowaniu z listy mężczyzny, a B – na wylosowaniu osoby palącej papierosy. Wtedy A ∩ B oznacza zda- rzenie polegające na wylosowaniu mężczyzny palącego papierosy. Jeżeli iloczyn zdarzeń A i B tworzy zbiór pusty (A ∩ B = Ø), to zdarzenia A i B nazywamy wykluczającymi się (wyłączającymi się). Przykładowo w rzucie kostką do gry zdarzeniami wykluczającymi się są: zdarzenie A polegające na wyrzuceniu liczby oczek mniejszej od 2 oraz zdarzenie B polegające na otrzymaniu liczby oczek większej od 4. 5) Różnicą zdarzeń A i B (A−B) nazywamy takie zdarzenie C, które zachodzi wtedy i tylko wtedy, gdy zachodzi zdarzenie A i nie zachodzi zdarzenie B. Niech A oznacza zdarzenie polegające na wyrzuceniu w rzucie kostką parzystej liczby oczek, a B oznacza wyrzucenie liczby oczek większej od 3. Wówczas: C = A − B = {e2, e4, e6} − {e4, e5, e6} = {e2}. Zdarzeniem przeciwnym do zdarzenia A (A) nazywamy zdarzenie, do którego należą zdarzenia elementarne nienależące do A, tzn. A = E − A. Niech A oznacza zdarzenie polegające na wypadnięciu nieparzystej liczby oczek w rzucie kostką do gry. Zdarzenie A jest następującym zbiorem zdarzeń elementarnych: A = E − {e1, e3, e5} = {e2, e4, e6}. Zdarzenie A oznacza: wypadła parzysta liczba oczek. Graficzną ilustrację działań na zdarzeniach są wykresy Eulera, zwane też diagramami Venna (rys. 1.1). Na rysunku 1.1 przestrzeń zdarzeń elementarnych symbolizuje kwadrat, a zdarzenia A lub B – koła w tym kwadracie. Zakreskowany obszar ilustruje rozważane zdarzenie. W praktyce jesteśmy zainteresowani nie tyle pojedynczymi zdarzeniami elementarnymi, ale ich zbiorami (czyli podzbiorami E). Rodzinę podzbiorów na- zywamy ciałem zdarzeń losowych (przestrzenią zdarzeń losowych) i oznaczamy symbolem S. Jeżeli E jest zbiorem przeliczalnym, to S składa się ze wszystkich podzbiorów E. Jeśli natomiast E jest zbiorem nieprzeliczalnym, to S jest pewną rodziną podzbiorów E zwaną σ-ciałem zdarzeń lub borelowskim ciałem zda- rzeń, spełniającą następujące warunki [Grzegorzewski, Bobecka, Dembińska, Pusz, 2001, s. 10]: – E ∈ S, – jeżeli A ∈ S, to A ∈ S, – jeżeli A1, A2, . . . ∈ S, to Nazwa „zdarzenie losowe” odnosi się wyłącznie do tych zbiorów zdarzeń ele- mentarnych, które zostały zaliczone do ciała zdarzeń. Przestrzeń zdarzeń elementarnych wraz z ciałem zdarzeń, tj. parę (E,S), nazywamy przestrzenią mierzalną, a zdarzenie A ∈ S – S-mierzalnym. Na Ai ∈ S. ∞S i=1 15 Rozdział 1. Probabilistyczne podstawy statystyki matematycznej Rysunek 1.1. Graficzna ilustracja działań na zdarzeniach losowych Źródło: [Sobczyk, 2000, s. 86]. przestrzeni mierzalnej można określać różne funkcje (miary). Niech P będzie funkcją rzeczywistą określoną na zdarzeniach S-mierzalnych, spełniającą nastę- pujące warunki: 1) dla każdego zdarzenia A ∈ S, P (A) (cid:62) 0, 2) P (E) = 1, 3) jeżeli A1, A2, . . . ∈ S jest dowolnym ciągiem zdarzeń parami rozłącznych, tzn. Ai ∩ Aj = Ø dla i 6= j, to ∞X i=1 P (Ai). ! ∞[ i=1 P Ai = Funkcję P , która spełnia powyższe warunki, określa się mianem miary probabilistycznej lub krótko – prawdopodobieństwem. Wartość liczbową P (A) nazywamy prawdopodobieństwem zdarzenia A. Trójkę (E,S, P ) nazywamy przestrzenią probabilistyczną związaną z danym doświadczeniem losowym. Z podanych powyżej warunków 1)–3), zwanych aksjomatami Kołmogorowa (znanych od 1933 r.), oraz z własności działań na zdarzeniach, wynikają następu- jące własności prawdopodobieństwa [Major, 2007, s. 23–24]: 1) prawdopodobieństwo każdego zdarzenia A jest liczbą z przedziału [0; 1] 0 (cid:54) P (A) (cid:54) 1, (1.1) 16 2) prawdopodobieństwo zdarzenia niemożliwego jest równe 0 1.1. Prawdopodobieństwo i jego własności P (Ø) = 0, P (A) = 1 − P (A), (1.2) 3) prawdopodobieństwo zdarzenia A (przeciwnego do zdarzenia A) jest równe (1.3) 4) jeżeli zdarzenie losowe A zawiera się w zdarzeniu losowym B (A ⊂ B), to (1.4) 5) prawdopodobieństwo sumy dowolnych dwóch zdarzeń losowych A i B jest równe sumie prawdopodobieństw tych zdarzeń pomniejszonej o prawdopodo- bieństwo ich iloczynu P (B) (cid:62) P (A), P (A ∪ B) = P (A) + P (B) − P (A ∩ B), (1.5) 6) jeżeli A ∩ B = Ø, to P (A ∪ B) = P (A) + P (B), (1.6) 7) jeżeli A i B są zdarzeniami losowymi należącymi do pewnej przestrzeni E oraz jeśli P (B) 6= 0, to prawdopodobieństwo warunkowe (względne) zdarzenia A pod warunkiem B jest określone wzorem P (A ∩ B) P (A/B) = , P (B) 0, P (B) (1.7) (1.8) (1.9) (1.10) (1.11) (1.12) stąd podobnie P (A ∩ B) = P (B) · P (A/B); P (A ∩ B) P (B/A) = P (A ∩ B) = P (A) · P (B/A), P (A) , P (A) 0, 8) jeżeli A i B są zdarzeniami niezależnymi, to P (A/B) = P (A), P (B/A) = P (B) oraz P (A ∩ B) = P (A) · P (B). (1.13) Równość (1.13) definiuje niezależność zdarzeń. Dwa zdarzenia A i B nazywamy niezależnymi, jeśli zajście jednego z nich nie ma wpływu na prawdo- podobieństwo zajścia drugiego. 17 Rozdział 1. Probabilistyczne podstawy statystyki matematycznej Przy obliczaniu prawdopodobieństwa sumy zdarzeń, należy najpierw określić czy zdarzenia są wykluczające się (wyłączające się, rozłączne), czy też nie. Dwa zdarzenia A i B nazywamy wykluczającymi się, jeśli zajście jednego z nich wyklucza zajście drugiego (w tym samym doświadczeniu). Sposób obliczania prawdopodobieństwa iloczynu zdarzeń jest uwarunkowany tym, czy zdarzenia te są zależne, czy niezależne. Jakkolwiek aksjomatyczna definicja prawdopodobieństwa podana w 1933 r. przez A. Kołmogorowa jest poprawna z teoretycznego punktu widzenia, to jest ona niewygodna w praktycznych zastosowaniach. Nie podaje ona bowiem spo- sobu obliczania prawdopodobieństwa P (A) dla konkretnych zdarzeń losowych. W związku z tym stosuje się inne definicje prawdopodobieństwa, np. klasyczną definicję Laplace’a czy definicję geometryczną. Klasyczna definicja prawdo- podobieństwa, sformułowana w 1812 r. przez P.S. Laplace’a, brzmi następująco: jeżeli przestrzeń zdarzeń elementarnych E składa się z n jednakowo prawdopo- dobnych zdarzeń, z których k realizuje (sprzyja) zdarzeniu A, to P (A) = k n . (1.14) Niech A oznacza zdarzenie polegające na otrzymaniu parzystej liczby oczek w rzucie kostką do gry, a zdarzenie B – zdarzenie polegające na otrzymaniu liczby oczek większej od 4. Przestrzeń zdarzeń elementarnych E składa się tu z 6 elementów (n = 6): E = {e1, e2, e3, e4, e5, e6}. Zdarzeniu A sprzyjają trzy wyniki (k = 3): {e2, e4, e6}, a zdarzeniu B – 2 wyniki (k = 2): {e5, e6}. Korzystając z klasycznej definicji prawdopodobieństwa określonej wzorem (1.14), otrzymujemy P (A) = 3 6 = 0,5 2 6 = 0,33(3). oraz P (B) = Podczas obliczania prawdopodobieństw zdarzeń za pomocą klasycznej definicji prawdopodobieństwa często wykorzystuje się pojęcie kombinacji. Z kombinacjami mamy do czynienia wtedy, gdy tworzymy podzbiory z elementów określonego zbioru. W kombinacjach tego typu nie jest ważna kolejność wystę- pujących elementów. Stąd też jest używany termin kombinacje bez powtórzeń. Liczba k-elementowych kombinacji bez powtórzeń ze zbioru n-elementowego jest określona wzorem: Cn k = n! k!(n − k)! , (1.15) gdzie symbol n! (n silnia) jest iloczynem kolejnych liczb naturalnych od 1 do n, tzn. n! = 1 · 2 · 3 · . . . · (n − 1) · n. Warto zapamiętać, że 0! = 1. Rozważmy popularną grę w toto-lotka. Doświadczenie losowe polega tu na wykonaniu losowania 6 spośród 49 liczb. Zdarzeniem losowym jest wynik 18 1.1. Prawdopodobieństwo i jego własności losowania. Przestrzeń zdarzeń elementarnych E składa się ze wszystkich sześcio- elementowych podzbiorów, jakie można utworzyć z 49 liczb. Jest ich tyle, ile jest kombinacji bez powtórzeń z 49 po 6 elementów, czyli (cid:18)49 (cid:19) 6 = 49! 6!(49 − 6)! = 13 983 816. Zakładamy, że wszystkie zdarzenia elementarne są jednakowo możliwe (jedna- kowo prawdopodobne). Obliczmy prawdopodobieństwa zajścia następujących zdarzeń: 1) A1 – wylosowanie (trafienie) trójki, 2) A2 – wylosowanie czwórki, 3) A3 – wylosowanie piątki, 4) A4 – wylosowanie szóstki (największa wygrana). 3 różnych trójek. Do każdej z tych trójek można dołączyć dowolną trójkę liczb spośród pozostałych 43 liczb. , a więc wszystkich możliwych kombinacji sprzyjających Takich trójek jest zdarzeniu A1 jest . Prawdopodobieństwo wygrania trójki w toto-lotka jest zatem równe Z sześciu wylosowanych liczb można utworzyć (cid:16) 43 (cid:17) (cid:17)(cid:16) 43 (cid:16) 6 (cid:16) 6 (cid:17) (cid:17) 3 3 3 Prawdopodobieństwa dla pozostałych zdarzeń są równe: 3 3 6 (cid:17)(cid:16) 43 (cid:16) 6 (cid:17) (cid:17) = 0,01765040. (cid:16) 49 (cid:17) (cid:17)(cid:16) 43 (cid:16) 6 (cid:16) 49 (cid:17) = 0,0009686, (cid:17)(cid:16) 43 (cid:16) 6 (cid:17) (cid:16) 49 (cid:17) = 0,00001845, (cid:16) 6 (cid:17)(cid:16) 43 (cid:17) (cid:16) 49 (cid:17) = 0,0000000715. 0 6 1 6 6 5 4 2 6 P (A1) = P (A2) = P (A3) = P (A4) = Chociaż klasyczna definicja prawdopodobieństwa jest intuicyjnie zrozumia- ła, to pod jej adresem formułowany jest zarzut tautologii (błąd idem per idem) polegający na użyciu w definicji słowa definiowanego. Dotyczy on słowa: zda- rzenie (mówiąc o zdarzeniach jednakowo możliwych, mamy na myśli zdarzenia jednakowo prawdopodobne). Ponadto klasyczna definicja prawdopodobieństwa wymaga istnienia skończonej liczby elementów przestrzeni zdarzeń elementar- nych i zbioru zdarzeń sprzyjających, co nie zawsze jest możliwe. 19
Pobierz darmowy fragment (pdf)

Gdzie kupić całą publikację:

Statystyka matematyczna
Autor:

Opinie na temat publikacji:


Inne popularne pozycje z tej kategorii:


Czytaj również:


Prowadzisz stronę lub blog? Wstaw link do fragmentu tej książki i współpracuj z Cyfroteką: