dr Katarzyna Jermakowicz

Statystyka
Wykład 1
Wprowadzenie do kursu i elementy rachunku
prawdopodobieństwa
Zasady współpracy

Kontakt: forum kursu

Konsultacje: aktualne terminy w Intranecie
Zasady zaliczenia:
▪ Ćwiczenia – 50 pkt (szczegóły u prowadzących zajęcia)
▪ Egzamin – 50 pkt (zadania i teoria)
Do zaliczenia potrzeba łącznie 51pkt.
Transfer oceny: podanie w CloudA
 Zakres tematyczny kursu

1. Elementy rachunku prawdopodobieństwa

2. Statystyka opisowa
3. Zmienne losowe i ich rozkłady
4. Estymacja przedziałowa
5. Testowanie hipotez statystycznych
 Czym jest statystyka?

„(…) bo statystyka to nie tylko skomplikowane wzory i modele

matematyczne. To również zestaw narzędzi, który pozwala nam
skutecznie weryfikować informacje, a także mierzyć i rozumieć świat
dookoła nas - nieważne, czy mowa o medycynie, socjologii czy
literaturze.”

Janina Bąk, Statystycznie rzecz biorąc 2. Czyli jak zmierzyć siłę tornada za
pomocą gofra.
Definicje

Statystyka
1. «nauka zajmująca się analizowaniem i liczbowym opisem zjawisk
masowych»
2. «zbiory informacji liczbowych dotyczących jakichś zjawisk»

Statystyka matematyczna
«dział matematyki stosowanej zajmujący się metodami wnioskowania
o populacji na podstawie losowych prób z tej populacji»

Probabilistyka
«dział matematyki zajmujący się badaniem prawidłowości
występujących w zdarzeniach losowych»
(Słownik języka polskiego, PWN)
Czym jest prawdopodobieństwo?

„Szanse jedna na milion – rzekła – spełniają się w

dziewięciu przypadkach na dziesięć.”

Terry Pratchett, Równoumagicznienie

Podstawowe pojęcia rachunku prawdopodobieństwa

Doświadczenie losowe – doświadczenie (eksperyment), które jest

powtarzalne w takich samych lub podobnych warunkach, którego
wyniku nie możemy przewidzieć

Zdarzenie elementarne – pojedynczy wynik doświadczenia losowego

(oznaczany jako ω – grecka omega)

Przestrzeń zdarzeń elementarnych (przestrzeń) – zbiór wszystkich

zdarzeń elementarnych (oznaczany jako Ω – grecka Omega)

Zdarzenie losowe – dowolny podzbiór przestrzeni zdarzeń

elementarnych (zwykle oznaczany A, B, C …)
 Przykłady doświadczeń i przestrzeni zdarzeń elementarnych

1. Rzut monetą
Ω = { orzeł, reszka } = { O, R }

2. Dwukrotny rzut monetą

Ω = { (O,O), (O,R), (R,O), (R,R) }

3. Rzut kostką
Ω = { 1, 2, 3, 4, 5, 6 }

4. Dwukrotny rzut kostką

Ω = { (1,1), (1, 2), (1, 3), … , (3,5), (3,6), (4,1)... (6,4), (6,5), (6,6) }

5. Losowanie 1 karty z talii kart

Ω = {as kier, as karo, as pik, as trefl, król kier … }
 Przykłady zdarzeń

1. A – wypadł orzeł

2. A – wypadł co najmniej jeden orzeł

3. A – wypadło 6 oczek
B – wypadła parzysta liczba oczek

4. A – wypadła dokładnie jedna szóstka

B – iloczyn liczby wyrzuconych oczek jest liczbą nieparzystą

5. A – wylosowano króla
B – wylosowano „blotkę”
C – wylosowano kartę w kolorze pik
 Działania na zdarzeniach

𝐴 𝐵
Iloczyn zdarzeń (część wspólna): A ∩ B

𝐴 𝐵
Suma zdarzeń: A U B

Różnica zdarzeń: A \ B 𝐴 𝐵

Zdarzenie przeciwne: A’ = Ω \ A 𝛺
𝐴
Działania na zdarzeniach – rzut monetą i dwukrotny rzut monetą

1. A = { orzeł }
Wówczas A’ – nie wypadł orzeł czyli wypadła reszka, A’ = { reszka }

2. A = {(O,O), (O,R), (R,O) }

Wówczas A’ – nie wypadł żaden orzeł
czyli wypadły same reszki

A’ = { (R,R) }
 Działania na zdarzeniach – rzut kostką (3)

A={6} 3 𝛺
𝐵
B = { 2, 4, 6 } 𝐴 2
6
Zauważmy, że 4
5
A⊂B 1
(A zawiera się w B)

Stąd: A ∩ B = A AUB=B A \ B = Ø B \ A = { 2, 4 }

A’ = { 1, 2, 3, 4, 5 } B’ = { 1, 3, 5 }
 Działania na zdarzeniach – dwukrotny rzut kostką (4)
I rzut \ II rzut 1 2 3 4 5 6

Zdarzenie A 1
2
Zdarzenie B
3
4
5
6

Zauważmy, że A ∩ B = Ø (zdarzenia rozłączne, wykluczające się)

A U B = wszystkie kolorowe pola, A \ B = A, B \ A = B
A’ –pola nie różowe, B’ – pola nie niebieskie
Działania na zdarzeniach – losowanie 1 karty z talii (5)

A – król, B – „blotka”, C – karta pik

𝐴 𝛺
𝐵
A∩B=Ø
A ∩ C = { król pik }
𝐶 B ∩ C = { „blotki pik” }

A’ = {nie króle}, B’ – {nie „blotki”, czyli figury}, C’ – {nie piki}

A \ C = {króle nie piki}, C \ A = {piki nie króle}
B \ C = {„blotki” nie piki}, C \ B = {piki nie „blotki”, czyli pikowe figury}
A U B = króle lub „blotki”, A U C = króle lub piki, B U C = „blotki” lub piki
Prawdopodobieństwo klasyczne

Założenie – szansa na uzyskanie każdego zdarzenia elementarnego

jest jednakowa i jest ich skończona ilość

| Ω | oznacza ilość zdarzeń elementarnych

| A | oznacza ilość zdarzeń elementarnych sprzyjających zdarzeniu A

Wówczas: 𝑨
𝑷 𝑨 =
𝜴
(liczbowa miara naszego przekonania, że zdarzenie to zajdzie)
Zdarzenia i ich prawdopodobieństwo
𝟏
1. A – wypadł orzeł 𝑷 𝑨 =
𝟐
𝟑
2. A – wypadł co najmniej jeden orzeł 𝑷 𝑨 = 𝟒
𝟏
3. A – wypadło 6 oczek 𝑷 𝑨 = 𝟔
𝟑 𝟏
B – wypadła parzysta liczba oczek 𝑷 𝑩 = 𝟔 = 𝟐
𝟏𝟎 𝟓
4. A – wypadła dokładnie jedna szóstka 𝑷 𝑨 = 𝟑𝟔 = 𝟏𝟖
𝟗 𝟏
B – iloczyn liczby oczek jest liczbą nieparz. 𝑷 𝑩 = =
𝟑𝟔 𝟒
𝟒 𝟏
5. A – wylosowano króla 𝑷 𝑨 = 𝟓𝟐 = 𝟏𝟑
𝟑𝟔 𝟗
B – wylosowano „blotkę” 𝑷 𝑩 = 𝟓𝟐 = 𝟏𝟑
𝟏𝟑 𝟏
C – wylosowano kartę w kolorze pik 𝑷 𝑪 = 𝟓𝟐 = 𝟒
Własności prawdopodobieństwa

• 𝟎≤𝑷 𝑨 ≤𝟏

• Jeśli 𝑷 𝑨 = 𝟎, to zdarzenie niemożliwe

• Jeśli 𝑷 𝑨 = 𝟏, to zdarzenie pewne

• 𝑷 𝑨′ = 𝟏 − 𝑷 𝑨

• 𝑷 𝑨∪𝑩 =𝑷 𝑨 +𝑷 𝑩 −𝑷 𝑨∩𝑩

• Jeśli 𝑨 ∩ 𝑩 = ∅, to 𝑷 𝑨 ∪ 𝑩 = 𝑷 𝑨 + 𝑷 𝑩
Przykład własności – losowanie 1 karty z talii (5)

Przypomnijmy:
A U B = króle lub „blotki”, A U C = króle lub piki, B U C = „blotki” lub piki
A∩B=Ø A ∩ C = { król pik } B ∩ C = { „blotki pik” }
𝟒 𝟑𝟔 𝟒𝟎 𝟏𝟎
𝑷 𝑨∪𝑩 = + = =
𝟓𝟐 𝟓𝟐 𝟓𝟐 𝟏𝟑
𝟒 𝟏𝟑 𝟏 𝟏𝟔 𝟒
𝑷 𝑨∪𝑪 = + − = =
𝟓𝟐 𝟓𝟐 𝟓𝟐 𝟓𝟐 𝟏𝟑
𝟑𝟔 𝟏𝟑 𝟗 𝟒𝟎 𝟏𝟎
𝑷 𝑩∪𝑪 = + − = =
𝟓𝟐 𝟓𝟐 𝟓𝟐 𝟓𝟐 𝟏𝟑
Reguła de Morgana

Dopełnienie sumy jest iloczynem dopełnień

𝑨 ∪ 𝑩 ′ = 𝑨′ ∩ 𝑩′

Dopełnienie iloczynu jest sumą dopełnień

𝑨 ∩ 𝑩 ′ = 𝑨′ ∪ 𝑩′
Inne metody szacowania prawdopodobieństwa

Metoda empirycznej estymacji prawdopodobieństwa –

przeprowadzamy dużą liczbę eksperymentów i zliczamy otrzymane
wyniki

Metoda empirycznej estymacji subiektywnego prawdopodobieństwa –

szacujemy prawdopodobieństwo w oparciu o subiektywne opinie
osoby, zależnie od dostępnych aktualnie danych
 Prawdopodobieństwo warunkowe

Prawdopodobieństwo (jako miara niepewności) zależy od posiadanej

informacji (założenie 𝑃(𝐵) ≠ 0):
𝑷(𝑨 ∩ 𝑩)
𝑷 𝑨𝑩 =
𝑷(𝑩)
Czytamy: - prawdopodobieństwo, że A pod warunkiem, że B lub
- prawdopodobieństwo, że A, o ile wiadomo, że B

Wzór równoważny powyższemu, a przydatny:

𝑷 𝑨 ∩ 𝑩 = 𝑷(𝑨|𝑩) ∙ 𝑷(𝑩)
 Prawdopodobieństwo warunkowe – przykład (3)

Rzut kostką – prawdopodobieństwo, że wypadła szóstka (A), jeśli

wiadomo, że wypadła parzysta liczba oczek (B)
1/6 1
𝑃 𝐴𝐵 = =
1/2 3

𝛺
2 𝐵
𝐴 6 4
Prawdopodobieństwo warunkowe – przykład (5)

Losowanie 1 karty z talii

- prawdopodobieństwo, że wylosowano króla (A), jeśli wiadomo, że
wylosowano „blotkę” (B)
0
𝑃 𝐴𝐵 = =0
36/52
- prawdopodobieństwo, że wylosowano króla (A), jeśli wiadomo, że
wylosowano kartę pik (C)
1/52 1
𝑃 𝐴𝐶 = =
13/52 13
- prawdopodobieństwo, że wylosowano kartę pik (C), jeśli wiadomo, że
wylosowano „blotkę” (B)
9/52 1
𝑃 𝐶𝐵 = =
36/52 4
 Zdarzenia niezależne

Zdarzenia A i B są niezależne wtedy i tylko wtedy gdy:

𝑷 𝑨 𝑩 = 𝑷(𝑨)
(zdarzenie B nie ma wpływu na zdarzenie A, gdyż to, czy zajdzie
zdarzenie B lub nie, nie zmienia prawdopodobieństwa A) i
analogicznie:
𝑷 𝑩 𝑨 = 𝑷(𝑩)
Co jest równoważne:
𝑷 𝑨 ∩ 𝑩 = 𝑷(𝑨) ∙ 𝑷(𝑩)
 Zdarzenia niezależne – przykłady

3. Rzut kostką – wypadnięcie szóstki (A) i parzystej liczby oczek (B) nie
są niezależne (są zależne), bo:
1 1 1 1 1
𝑃 𝐴 𝐵 = 3 ≠ 6 = 𝑃 𝐴 lub 𝑃 𝐴 ∩ 𝐵 = 6 ≠ 6 ∙ 2 = 𝑃(𝐴) ∙ 𝑃(𝐵)

5. Losowanie 1 karty z talii

- wylosowanie króla i „blotki” nie są niezależne (są zależne), bo:
1 1 3
𝑃 𝐴 𝐵 = 0 ≠ 13 = 𝑃 𝐴 lub 𝑃 𝐴 ∩ 𝐵 = 0 ≠ 13 ∙ 4 = 𝑃(𝐴) ∙ 𝑃(𝐵)

- wylosowanie króla i pika są niezależne, bo:

1 1 1 1 1
𝑃 𝐴 𝐶 = 13 = 13 = 𝑃 𝐴 lub 𝑃 𝐴 ∩ 𝐶 = 52 = 13 ∙ 4 = 𝑃(𝐴) ∙ 𝑃(𝐶)
 Prawdopodobieństwo całkowite (zupełne)

Wzór, który pozwala obliczyć prawdopodobieństwo zdarzenia (A),

które trudno jest obliczyć bezpośrednio, ale staje się łatwe wtedy, gdy
uwzględniamy różne okoliczności, w jakich to zdarzenie może zajść.
Prawdopodobieństwo całkowite (zupełne)

𝑷 𝑨 = 𝑷 𝑨 𝑩 ∙ 𝑷 𝑩 + 𝑷 𝑨 𝑩′ ∙ 𝑷 𝑩
Prawdopodobieństwo całkowite – przykład

• Firma farmaceutyczna sądzi, że istnieje prawdopodobieństwo 0,95,

że Urząd Kontroli Leków dopuści do obrotu produkowane przez
firmę lekarstwo, jeżeli wyniki testu pokażą, że lekarstwo nie
wywołuje skutków ubocznych.
• W przeciwnym przypadku prawdopodobieństwo dopuszczenia leku
do obrotu ocenia na 0,5.
• Lekarz pracujący jako konsultant firmy jest przekonany, że istnieje
prawdopodobieństwo 0,2, że test wykaże występowanie skutków
ubocznych.
• Jakie jest prawdopodobieństwo, że lekarstwo zostanie
dopuszczone do obrotu?
Prawdopodobieństwo całkowite – rozwiązanie przykładu

A – lek zostanie przyjęty do obrotu

B – lek nie wywołuje skutków ubocznych P(B)=0,8
B’ – lek wywołuje skutki uboczne P(B’)=0,2
A|B – lek przyjęty do obrotu, jeśli nie wywołuje skutków ubocznych
P(A|B)=0,95
A|B’ – lek przyjęty do obrotu, jeśli wywołuje skutki uboczne
P(A|B’)=0,5
𝑃 𝐴 = 0,95 ∙ 0,8 + 0,5 ∙ 0,2 = 0,86
 Twierdzenie Bayesa

Odwracamy kierunek uwarunkowania – znamy skutek (A), a pytamy o

prawdopodobieństwo, że to właśnie ta określona przyczyna (B)
spowodowała skutek.

𝑷(𝑨|𝑩) ∙ 𝑷(𝑩) 𝑷(𝑨|𝑩) ∙ 𝑷(𝑩)

𝑷 𝑩𝑨 = =
𝑷 𝑨 𝑩 ∙ 𝑷 𝑩 + 𝑷(𝑨|𝑩′) ∙ 𝑷(𝑩′) 𝑷(𝑨)
Twierdzenie Bayesa – przykład

Rozpatrujemy test na wykrycie pewnej choroby, o którym wiadomo, że:

• Zastosowany do osoby chorej wykrywa chorobę z
prawdopodobieństwem 0,92
• Zastosowany do osoby zdrowej określa ją błędnie jako chorą z
prawdopodobieństwem 0,04
Przypuśćmy, że choroba zdarza się rzadko i zapada na nią tylko 0,1%
ludności.
Jeżeli wybieramy losowo jedną osobę i poddajemy ją testowi, który dał
wynik pozytywny, jakie jest prawdopodobieństwo a posteriori (po
przeprowadzeniu testu), że zbadana osoba jest chora?
Twierdzenie Bayesa – rozwiązanie przykładu

A – u badanej osoby test dał wynik pozytywny

B – badana osoba jest chora P(B)=0,001
B’ – badana osoba jest zdrowa P(B’)=0,999
A|B– test dał wynik pozytywny u osoby chorej P(A|B)=0,92
A|B’ – test dał wynik pozytywny u osoby zdrowej P(A|B’)=0,04

𝑃 𝐴 = 0,92 ∙ 0,001 + 0,04 ∙ 0,999 ≈ 0,0409

𝟎, 𝟗𝟐 ∙ 𝟎, 𝟎𝟎𝟏
𝑷 𝑩𝑨 = ≈ 𝟎, 𝟎𝟐𝟐𝟓 = 𝟐, 𝟐𝟓%
𝟎, 𝟎𝟒𝟎𝟗
 Elementy kombinatoryki

Kombinatoryka to dziedzina matematyki zajmująca się zliczaniem i

analizą różnych ułożeń elementów w skończonych zbiorach.

Inaczej mówiąc, kombinatoryka

zajmuje się badaniem sposobów,
w jakie można wybierać
i ustawiać różne obiekty,
takie jak liczby, litery, karty,
monety, książki itp.
Źródło: www.youtube..com
 Reguła mnożenia

Jeżeli istnieje n zdarzeń, a każde zdarzenie i może się realizować na

ki sposobów, to liczba sposobów, na które może się zrealizować ciąg
n zdarzeń jest równa 𝒌𝟏 ∙ 𝒌𝟐 ∙ 𝒌𝟑 ∙ ⋯ ∙ 𝒌𝒏
Przykład 1. Jeśli zamawiamy obiad w barze, w którym mamy do wyboru 3 zupy,
4 drugie dania i 2 desery, to ilość wszystkich możliwych zestawów obiadowych
wynosi:

3 ∙ 4 ∙ 2 = 24

Przykład 2. Jeśli kod jest złożony z 2 liter oraz 5 cyfr, to ilość kodów, które
można utworzyć z wszystkich liter (bez polskich znaków) i wszystkich cyfr
wynosi:
23 ∙ 23 ∙ 10 ∙ 10 ∙ 10 ∙ 10 ∙ 10 = 52 900 000
Permutacje

Dla liczby naturalnej 𝒏 > 𝟏 określone jest:

𝒏! = 𝟏 ∙ 𝟐 ∙ 𝟑 ∙ ⋯ ∙ 𝒏
(czytamy: n silnia), a także 𝟎! = 𝟏 oraz 𝟏! = 𝟏

Jeśli mamy n elementów, które chcemy ułożyć w ciąg (ustawić w

określonej kolejności), to możemy to zrobić na n! sposobów, a każde
takie ułożenie tych elementów nazywamy permutacją.

Przykład 1. 5 książek można ułożyć na półce

na 5! = 120 sposobów. A 12 książek już na
12! = 479 001 600 sposobów ☺

Przykład 2. Numery startowe

dla 10 zawodników można przydzielić na
10! = 3 628 800 sposobów.
Źródło: pl.depositphotos.com
Wariacje bez powtórzeń

Mamy n elementów (n – liczba naturalna dodatnia), spośród których

wybieramy k różnych elementów (k ≤ n) i te elementy układamy w ciąg.
Każdy taki ułożony ciąg nazywamy wariacją bez powtórzeń, a ich ilość
można obliczyć ze wzoru:
𝒏!
= 𝒏 ∙ 𝒏 − 𝟏 ∙ ⋯ ∙ (𝒏 − 𝒌 + 𝟏)
𝒏−𝒌 !
Przykład: Spośród 7 kolorów wybieramy 3, aby pokolorować flagę złożoną z 3
pionowych pasów (kolory nie mogą się powtórzyć). Możemy w ten sposób
utworzyć 7 ∙ 6 ∙ 5 = 210 różnych flag.

7 6 5
 Wariacje z powtórzeniami
Mamy n elementów (n – liczba naturalna dodatnia), spośród których
wybieramy k razy po 1 elemencie, każdorazowo zwracając
wylosowany element, a wyniki losowania zapisujemy w postaci ciągu.
Każdy taki ułożony ciąg nazywamy wariacją z powtórzeniami, a ich
ilość można obliczyć ze wzoru:
𝒏𝒌
Przykład1. Tworzymy liczbę czterocyfrową utworzoną z cyfr 1 i 2 (cyfry mogą
się powtarzać). Takich liczb można utworzyć 24 = 16.

1111, 1112, 1121, 1211, 2111, 1122, 1212, 2112,

1221, 2121, 2211, 2221, 2212, 2122, 1222, 2222

Przykład 2. Tworzymy liczbę czterocyfrową utworzoną z cyfr {1,2,3,4,5,6} (cyfry

mogą się powtarzać). Takich liczb można utworzyć 64 = 1296.

Przykład 3. Tworzymy liczbę czterocyfrową utworzoną z wszystkich cyfr (cyfry

mogą się powtarzać). Takich liczb można utworzyć 9 ∙ 103 = 9000.
Kombinacje
Mamy n elementów (n – liczba naturalna dodatnia), spośród których
wybieramy k różnych elementów (k ≤ n) i nie układamy ich w ciąg!
(tworzymy zbiór). Ilość takich możliwych wyborów, czyli kombinacji
(kolejność wylosowanych elementów nie ma znaczenia) można
obliczyć ze wzoru:
𝒏 𝒏!
=
𝒌 𝒌! ∙ 𝒏 − 𝒌 !
Przykład1. Spośród 7 osób wybieramy 3-osobową delegację. Możemy to zrobić
𝟕!
na = 𝟑𝟓 sposobów.
𝟑!∙𝟒!

Przykład 2. Podczas egzaminu student losuje 10 pytań spośród 20. Ilość

wszystkich możliwych zestawów pytań (kolejność pytań w zestawie nie ma
𝟐𝟎!
znaczenia) wynosi: = 𝟏𝟖𝟒 𝟕𝟓𝟔
𝟏𝟎!∙𝟏𝟎!
Zastosowanie kombinatoryki do prawdopodobieństwa

1. Na konferencji przemawiają 4 osoby: leśnik, ekolog, prawnik i

polityk. Jakie jest prawdopodobieństwo, że układając losowo
kolejność przemówień, że bezpośrednio po leśniku będzie mówił
ekolog?
2. Windą zatrzymującą się na 6 piętrach, jadą 4 osoby. Jakie jest
prawdopodobieństwo, że:
a) Każda osoba wysiądzie na innym piętrze
b) Wszyscy wysiądą na tym samym piętrze.
3. Jakie jest prawdopodobieństwo wygrania w Lotto: szóstki / piątki /
czwórki / trójki ?
Sprawdźmy na www.lotto.pl/lotto/jak-grac#Ile-mozna-wygrac ☺