הבדל בין משתנים אקראיים לבין התפלגות ההסתברות

משתנים אקראיים לעומת הסתברות הסתברות

ניסויים סטטיסטיים הם ניסויים אקראיים שניתן לחזור בהם ללא הגבלת זמן עם קבוצה ידועה של תוצאות. שני משתנים אקראיים והפצות הסתברות קשורים בניסויים כאלה. עבור כל משתנה אקראי, קיימת התפלגות הסתברות קשורה המוגדרת על ידי פונקציה הנקראת פונקציית התפלגות מצטברת.

-> ->

מהו משתנה אקראי?

משתנה אקראי הוא פונקציה המקצה ערכים מספריים לתוצאות של ניסוי סטטיסטי. במילים אחרות, זוהי פונקציה המוגדרת מתוך שטח המדגם של ניסוי סטטיסטי לתוך קבוצה של מספרים אמיתיים.

לדוגמה, לשקול ניסוי אקראי של היפוך מטבע פעמיים. התוצאות האפשריות הן HH, HT, TH ו- TT (H - ראשיים, T - tales). תנו למשתנה X להיות מספר הראשים שנצפו בניסוי. לאחר מכן, X יכול לקחת את הערכים 0, 1 או 2, וזה משתנה אקראי. כאן, המשתנה האקראי X ימפה את הקבוצה S = {HH, HT, TH, TT} (מרחב הדגימה) למערך {0, 1, 2} בצורה כזו ש- HH ממופה ל- 2, HT ו- TH ממוינים ל - 1 ו - TT ממופה ל - 0. ב פונקציה סימון, זה יכול להיות כתוב כמו, X: S → R שבו X (HH) = 2, X (HT) = 1, X (TH) = 1 ו - X (TT) = 0.

יש שני סוגים של משתנים אקראיים: בדידים ורציפים, בהתאם למספר הערכים האפשריים שמשתנה אקראי יכול להניח הוא לכל היותר ספור או לא. בדוגמה הקודמת, המשתנה האקראי X הוא משתנה אקראי בדידים מאז {0, 1, 2} הוא סופית. עכשיו, לשקול את הניסוי הסטטיסטי של מציאת משקולות של תלמידים בכיתה. תן Y להיות המשתנה האקראי המוגדר כמשקל של תלמיד. Y יכול לקחת כל ערך אמיתי בתוך מרווח מסוים. לפיכך, Y הוא משתנה אקראי מתמשך.

-> ->

מהי התפלגות הסתברות?

התפלגות ההסתברות היא פונקציה המתארת את ההסתברות שמשתנה אקראי לוקח ערכים מסוימים.

ניתן להגדיר פונקציה הנקראת פונקציית הפצה מצטברת (F) ממערכת המספרים הריאליים לקבוצת המספרים הריאליים כ- F (x) = P (X ≤ x) (ההסתברות ש- X תהיה קטנה או שווה ל x) עבור כל תוצאה אפשרית x. כעת ניתן לכתוב את פונקציית ההפצה המצטברת של X בדוגמה הראשונה כ- F (a) = 0, אם <0; f (a) = 0. 25, אם 0 ≤ <1; f (a) = 0. 75, אם 1 ≤ <2>

במקרה של משתנים אקראיים בדידים, ניתן להגדיר פונקציה מתוך קבוצת התוצאות האפשריות לקבוצת המספרים הריאליים בצורה כזו ש- (x) = P (X = x) (ההסתברות של X שווה ל- x) לכל תוצאה אפשרית x. פונקציה מסוימת זו נקראת פונקציית מסת ההסתברות של המשתנה האקראי X.עכשיו את ההסתברות מסה הפונקציה של X בדוגמה הראשונה ניתן לכתוב כמו ƒ (0) = 0. 25, ƒ (1) = 0. 5, ƒ (2) = 0. 25, ו ƒ (x) = 0 אחרת. לפיכך, הסתברות המונית יחד עם פונקציית ההתפלגות המצטברת יתארו את התפלגות ההסתברות של X בדוגמא הראשונה.

במקרה של משתנים אקראיים מתמשכים, פונקציה הנקראת פונקצית צפיפות ההסתברות (ƒ) יכולה להיות מוגדרת ƒ (x) = dF (x) / dx עבור כל x כאשר F היא פונקציית ההתפלגות המצטברת של האקראיות הרציפות מִשְׁתַנֶה. קל לראות כי פונקציה זו עונה על ∫ (x) dx = 1. פונקצית צפיפות ההסתברות יחד עם פונקציית ההתפלגות המצטברת מתארת את התפלגות ההסתברות של משתנה אקראי מתמשך. לדוגמה, ההתפלגות הנורמלית (שהיא התפלגות הסתברות מתמשכת) מתוארת באמצעות פונקצית צפיפות ההסתברות ((x) = 1 / √ (2πσ

2 ^{) e ^ ([x-μ]] < 2} / (2σ ² )). ^{מה ההבדל בין משתנים אקראיים לבין התפלגות ההסתברות?} • משתנה אקראי הוא פונקציה המקשרת ערכים של מרחב לדוגמה למספר אמיתי.

• הסתברות ההסתברות היא פונקציה המקשרת ערכים שמשתנה אקראי יכול להיגרם להסתברות ההתרחשות המתאימה.

הבדל בין משתנים אקראיים לבין התפלגות ההסתברות

מוּמלָץ