Professional Documents
Culture Documents
Prawd
Prawd
Przykład 1 Zdarzeniem elementarnym przy jednokrotnym rzucie monetą jest np. wy-
rzucenie orła; w przypadku jednokrotnego rzutu kostką – otrzymanie ścianki z sześcioma
oczkami.
1
1.2 Algebra zdarzeń
Definicja 1 Sumą (alternatywą) dwóch zdarzeń A i B nazywamy zdarzenie składające
się z tych zdarzeń elementarnych ω, które należą do zdarzenia A lub należą do zdarzenia
B. Sumę zdarzeń A i B oznaczamy symbolem A ∪ B.
Definicja 7 Zdarzenia A i B wykluczają się lub wyłączają się, jeśli nie mają wspólnych
zdarzeń elementarnych, tj., gdy ich koniunkcja jest zdarzeniem niemożliwym.
2
1. A ∩ B = B ∩ A – przemienność koniunkcji zdarzeń,
3
3. Klasyczna definicja prawdopodobieństwa wymaga, żeby zdarzenia elementarne były
jednakowo prawdopodobne.
(P2) P (Ω) = 1,
P (∅) = 0.
P (A) + P (A′ ) = 1.
4
Wniosek 4. Prawdopodobieństwo dowolnego zdarzenia jest nie większe od jedności, czyli
jeżeli A jest dowolnym zdarzeniem, to P (A) ¬ 1.
Wniosek 5. Jeżeli zdarzenie A pociąga zdarzenie B, to
P (B \ A) = P (B) − P (A).
Wniosek 6. Prawdopodobieństwo sumy dwóch dowolnych zdarzeń jest równe sumie praw-
dopodobieństw tych zdarzeń pomniejszonej o prawdopodbieństwo ich iloczynu, czyli
P (A ∩ B) = P (A)P (B).
∩
r ∏
r
P( Bik ) = P (Bik ).
k=1 k=1
Uwaga 1 Niezależność parami zdarzeń nie wystarcza dla wzajemnej niezależności n zda-
rzeń. I tak na przykład trzy zdarzenia B1 , B2 , B3 są wzajemnie niezależne, wtedy i tylko
wtedy, gdy
Przykład 6 Spośród liczb {2, 3, 5, 30} wybieramy losowo jedną liczbę. Rozważmy zdarze-
nia: A – wylosowano liczbę parzystą, B – wylosowano liczbę podzielną przez 3, C – wylo-
sowano liczbę podzielną przez 5. Czy te zdarzenia są parami niezależne? Czy są wzajemnie
niezależne?
5
1.5 Prawdopodobieństwo warunkowe
Definicja 13 Niech B będzie zdarzeniem takim, że P (B) > 0. Prawdopodobieństwem
warunkowym zdarzenia A przy warunku B nazywamy liczbę
P (A ∩ B)
P (A | B) = .
P (B)
Przykład 7 Niech A i B oznaczają zdarzenia z przykładu 3. Wówczas
2/6 2
P (A | B) = = .
3/6 3
Twierdzenie to jest również prawdziwe, gdy mamy do czynienia z ciągiem zdarzeń {Bi },
i = 1, 2, . . . , gdzie zbiory te mają dodatnie prawdopodobieństwo, są parami rozłączne,
a ich suma jest równa Ω.
Przykład 8 Test ELISA na obecność wirusa HIV w organizmie (stosowany w USA w po-
łowie lat osiemdziesiątych) daje wynik pozytywny z prawdopodobieństwem 0, 98 i nega-
tywny z prawdopodobieństwem 0, 02, jeśli wirus jest w organizmie. Jeżeli wirusa w orga-
nizmie nie ma, prawdopodobieństwo wyniku pozytywnego wynosi 0, 07. Zakłada się, że 1%
populacji jest zarażony tym wirusem.
Obliczyć prawdopodobieństwo, że u losowo wybranej osoby z tej populacji test da wynik
pozytywny.
k = 1, 2, . . . , n.
6
Przykład 9 (kontynuacja poprzedniego przykładu) Jakie jest prawdopodobieństwo, że lo-
sowo wybrana osoba jest rzeczywiście zarażona wirusem, jeśli wiadomo, że test dał wynik
pozytywny.