prawdopodobieństwo a gęstość prawdopodobieństwa
prawdopodobieństwo a gęstość prawdopodobieństwa
witam, mam pytanko czym sie różni prawdopodobieństwo od gęstości prawdopodobieństwa...
p. na jakimś przedziale ciągłym to całka z funkcji gęstości p. na tym przedziale...po co jest to nazwane funkcją gęstości skoro to jest po prostu p. ...jeżeli wybiorę jakiś punkt z tego przedziału czyli jakąś zmienną losową to określić mogę dla niej wartość p. z krzywej unormowanej...
p. na jakimś przedziale ciągłym to całka z funkcji gęstości p. na tym przedziale...po co jest to nazwane funkcją gęstości skoro to jest po prostu p. ...jeżeli wybiorę jakiś punkt z tego przedziału czyli jakąś zmienną losową to określić mogę dla niej wartość p. z krzywej unormowanej...
prawdopodobieństwo a gęstość prawdopodobieństwa
Po pierwsze nie ma czegoś takiego jak przedział ciągły i nieciągły jest przedział i tyle.
Po drugie gęstość p. to nie p. Tak samo jak punkt z przedziału to nie zmienna losowa.
Po trzecie polecam przeczytać def. zm los. i zobaczyć co to roz. c. a co to roz. d.
Po drugie gęstość p. to nie p. Tak samo jak punkt z przedziału to nie zmienna losowa.
Po trzecie polecam przeczytać def. zm los. i zobaczyć co to roz. c. a co to roz. d.
prawdopodobieństwo a gęstość prawdopodobieństwa
przeczytałem ale to mi jakoś nie pomogło w znalezieniu odpowiedzi na moje pytanie...wracam więc do niego..
P. że zmienna zmienna losowa ciągła przyjmie wartość z pewnego przedziału to według mojego rozumienia zsumowanie p-tw. na tym przedziale, czyli scałkowanie funkcji p. na tym przedziale...po co więc jest całka z funkcji gęst. prawd. zamiast właśnie po prostu mówić o całce z funkcji p-twa. Proszę bardzo o wyjaśnienie.
P. że zmienna zmienna losowa ciągła przyjmie wartość z pewnego przedziału to według mojego rozumienia zsumowanie p-tw. na tym przedziale, czyli scałkowanie funkcji p. na tym przedziale...po co więc jest całka z funkcji gęst. prawd. zamiast właśnie po prostu mówić o całce z funkcji p-twa. Proszę bardzo o wyjaśnienie.
prawdopodobieństwo a gęstość prawdopodobieństwa
Zdef. co to fun. p. i czym się różni od gęst. prawd.
prawdopodobieństwo a gęstość prawdopodobieństwa
nie wiem czym jest gęst prawd. właśnie chciałbym się tego dowiedzieć ... natomiast p. myślę że jest funkcją przypisującą wartościom zmiennej losowej liczbę z zakresu od 0 do 1...sumowanie wszystkich p-tw dla wszystkich możliwych wartości zm. los. daje 1....
prawdopodobieństwo a gęstość prawdopodobieństwa
To co mówisz jest prawdziwe tylko dla zmiennych dyskretnych, gdzie prawdopodobieńswo jest skupione w punktach - atomach. Np. rzut kostką. Sytuacja zmienia się diametralnie gdy zaczynamy mówić zmieniamy przestrzeń możliwych wyników eksperymentu ze skończonej ilości do nieskończonej (dokładniej nieprzeliczalnej).
Z opisu koło postu na forum widzę, że masz 19 lat i w tym momencie trochę brakuje ci wiedzy matematycznej żeby to wszystko zrozumieć formalnie, więc zrobię opis słowno-muzyczny.
Ogólnie chodzi o to że mamy coraz więcej zdarzeń, jest ich więcej niż liczb naturalnych i prawdopodbie ństwo otrzymania danego wyniku coraz bardziej maleje - można powiedzieć, że rozrzucamy całe prawdopodobieństwo po możliwych wynikach eksperymentu. W pewnym momencie rozmywa się to do tego stopnia, że prawdopodobieństwo pojedynczego zdarzenia jest zero - np. losujemy jedną liczbę rzeczywistą, z odcinka [0,1].
Gęstość prawdopodobieństwa opisuje właśnie to w jaki sposób prawdopodobieństwo zostało rozrzucone, tam trochę więcej, tam trochę mniej. Całkowanie jest odpowiednikiem sumowania dla infinitezymalnych wartości. Stąd prawdopodobieństwo zbioru to całka z gęstości.
Z opisu koło postu na forum widzę, że masz 19 lat i w tym momencie trochę brakuje ci wiedzy matematycznej żeby to wszystko zrozumieć formalnie, więc zrobię opis słowno-muzyczny.
Ogólnie chodzi o to że mamy coraz więcej zdarzeń, jest ich więcej niż liczb naturalnych i prawdopodbie ństwo otrzymania danego wyniku coraz bardziej maleje - można powiedzieć, że rozrzucamy całe prawdopodobieństwo po możliwych wynikach eksperymentu. W pewnym momencie rozmywa się to do tego stopnia, że prawdopodobieństwo pojedynczego zdarzenia jest zero - np. losujemy jedną liczbę rzeczywistą, z odcinka [0,1].
Gęstość prawdopodobieństwa opisuje właśnie to w jaki sposób prawdopodobieństwo zostało rozrzucone, tam trochę więcej, tam trochę mniej. Całkowanie jest odpowiednikiem sumowania dla infinitezymalnych wartości. Stąd prawdopodobieństwo zbioru to całka z gęstości.
prawdopodobieństwo a gęstość prawdopodobieństwa
sorry dzięki ale za muzycznie, czemu ludzie którzy rozumieją nie potrafia prosto tłumaczyć, zobaczymy czy jak zrozumiem nie podam klarownie odpowiedzi......
nie pojmuję nadal jaka jest różnica między p. a gęst p.... dla zmiennej ciągłej w jakimś przedziale jest nieskończona liczba możliwych wartości i odpowiadająca im nieskończona liczba możliwych wartości p-tw...czemu nie można całkować funkcji prawdopodobieństwa na tym przedziale a wprowadza sie inny twór którego potrzeby nie kumam f. gęst....
nie pojmuję nadal jaka jest różnica między p. a gęst p.... dla zmiennej ciągłej w jakimś przedziale jest nieskończona liczba możliwych wartości i odpowiadająca im nieskończona liczba możliwych wartości p-tw...czemu nie można całkować funkcji prawdopodobieństwa na tym przedziale a wprowadza sie inny twór którego potrzeby nie kumam f. gęst....
prawdopodobieństwo a gęstość prawdopodobieństwa
Chodzi o to że każdy pojedynczy punkt ma prawdopodobieństwo zero, więc nie da się podać przepisu na prawdopodobieństwo w taki sam sposób jak dla prostego rzutu kostką.
Prawdopodobieństwo to pewna miara, która danemu zdarzeniu przypisuje prawdopodobieństwo jego wystąpienia, a gęstość to jeden ze sposobów opisania tej miary.
Formalnie gęstość to wersja pochodnej Radona-Nikodyma danej miary probabilistycznej względem miary Lebesgue'a. Jeżeli gęstość istnieje to wtedy można zamienić całkę Lebesgue'a na zwykłą całkę Riemanna.
Prawdopodobieństwo to pewna miara, która danemu zdarzeniu przypisuje prawdopodobieństwo jego wystąpienia, a gęstość to jeden ze sposobów opisania tej miary.
Formalnie gęstość to wersja pochodnej Radona-Nikodyma danej miary probabilistycznej względem miary Lebesgue'a. Jeżeli gęstość istnieje to wtedy można zamienić całkę Lebesgue'a na zwykłą całkę Riemanna.
-
- Użytkownik
- Posty: 183
- Rejestracja: 4 maja 2010, o 11:22
- Płeć: Mężczyzna
- Podziękował: 25 razy
- Pomógł: 10 razy
prawdopodobieństwo a gęstość prawdopodobieństwa
Może ktoś to uzasadnić (nie liczę na suwaka, bo widzę, że od prawie roku tu nie zagląda)? Z czego to wynika?suwak pisze:Jeżeli gęstość istnieje to wtedy można zamienić całkę Lebesgue'a na zwykłą całkę Riemanna.
prawdopodobieństwo a gęstość prawdopodobieństwa
Mi to nie pasuje bo jakby wziąć gęstość f(x) = funkcja charakterystyczna zbioru liczb niewymiernych przeciętego z przedziałem [0,1] to nie można zamienić całki Lebesgua na całke Riemanna bo f jest w nieprzeliczalnie wielu punktach nieciągła. A całka Lebesgua z niej wynosi 1. Chyba że mi jakiejś teorii brakuje.
- kristoffwp
- Użytkownik
- Posty: 688
- Rejestracja: 28 gru 2009, o 00:13
- Płeć: Mężczyzna
- Lokalizacja: Bielsko - Biała
- Podziękował: 20 razy
- Pomógł: 88 razy
prawdopodobieństwo a gęstość prawdopodobieństwa
Spróbuję ja.
Ile wynosi suma prawdopodobieństw wszystkich zdarzeń elementarnych?
Odpowiedź: 1.
W takim razie co się dzieje, jeżeli wszystkich zdarzeń jest nieprzeliczanie wiele? (Tzn tyle, ile liczb rzeczywistych). Przykładowo. Ze stacji metro odjeżdża co 5 minut. Wpadamy w losowym momencie. Jakie jest prawdopodobieństwo, że będziemy czekać 2,(1213346754126571234) minuty?
Intuicja mówi chyba, że zero (i tak jest). Dla zmiennych typu ciągłego definiuje się gęstość prawdopodobieństwa, a prawdopodobieństwo jest wówczas całką z gęstości w odpowiednim przedziale(tutaj odrobinkę upraszczam). Weźmy konkretną wartość zmiennej losowej \(\displaystyle{ a}\). Powiedzmy, że funkcja \(\displaystyle{ f}\)to gęstość prawdopodobieństwa. Wówczas P(a)=\(\displaystyle{ \int_{a}^{a}f(x)dx=0}\). Ale już dla konkretnego przedziału prawdopodobieństwo może być niezerowe, bo i całka będzie w granicach od jakiegoś \(\displaystyle{ a}\) do \(\displaystyle{ b}\). Tak jak powiedzmy da się określić, wracając do przykładu, jakie jest prawdopodobieństwo, że na metro będziemy czekać od 1 do 2 minut.
Ile wynosi suma prawdopodobieństw wszystkich zdarzeń elementarnych?
Odpowiedź: 1.
W takim razie co się dzieje, jeżeli wszystkich zdarzeń jest nieprzeliczanie wiele? (Tzn tyle, ile liczb rzeczywistych). Przykładowo. Ze stacji metro odjeżdża co 5 minut. Wpadamy w losowym momencie. Jakie jest prawdopodobieństwo, że będziemy czekać 2,(1213346754126571234) minuty?
Intuicja mówi chyba, że zero (i tak jest). Dla zmiennych typu ciągłego definiuje się gęstość prawdopodobieństwa, a prawdopodobieństwo jest wówczas całką z gęstości w odpowiednim przedziale(tutaj odrobinkę upraszczam). Weźmy konkretną wartość zmiennej losowej \(\displaystyle{ a}\). Powiedzmy, że funkcja \(\displaystyle{ f}\)to gęstość prawdopodobieństwa. Wówczas P(a)=\(\displaystyle{ \int_{a}^{a}f(x)dx=0}\). Ale już dla konkretnego przedziału prawdopodobieństwo może być niezerowe, bo i całka będzie w granicach od jakiegoś \(\displaystyle{ a}\) do \(\displaystyle{ b}\). Tak jak powiedzmy da się określić, wracając do przykładu, jakie jest prawdopodobieństwo, że na metro będziemy czekać od 1 do 2 minut.
prawdopodobieństwo a gęstość prawdopodobieństwa
czyli ostatecznie może być tak że gęstość nie bedzie całkowalna w sensie Riemanna ?
- kristoffwp
- Użytkownik
- Posty: 688
- Rejestracja: 28 gru 2009, o 00:13
- Płeć: Mężczyzna
- Lokalizacja: Bielsko - Biała
- Podziękował: 20 razy
- Pomógł: 88 razy
prawdopodobieństwo a gęstość prawdopodobieństwa
Na pewno całka po obrazie (poprzez zmienną losową) zbioru \(\displaystyle{ \Omega}\) musi istnieć i wynosi \(\displaystyle{ 1}\). Ale całka Lebesgue'a, nie Riemanna. Ale to według mnie drugorzędne jest.
-
- Użytkownik
- Posty: 183
- Rejestracja: 4 maja 2010, o 11:22
- Płeć: Mężczyzna
- Podziękował: 25 razy
- Pomógł: 10 razy
prawdopodobieństwo a gęstość prawdopodobieństwa
Panowie, tylko jak pisałem o wyjaśnieniu miałem na myśli raczej konkretne fakty a nie takie luźne gatki. Poszperałem trochę i znalazłem coś takiego:
Niech \(\displaystyle{ f:\mathbb{R}\rightarrow\mathbb{R}}\) będzie nieujemną funkcją dla której istnieje skończona całka niewłaściwa Riemanna \(\displaystyle{ \int_{-\infty}^{\infty}f(x)\mbox{d}x}\). Wtedy \(\displaystyle{ f}\) jest całkowalna w sensie Lebesgue’a.
Pytanie jeszcze czy tak jest też w drugą stronę i czy te całki są wtedy równe. Ale czy w ogóle może być tak, że obie całki istnieją i są różne?
A może ktoś potrafi podać jakąś książkę z teorii miary która to wyjaśni?
Niech \(\displaystyle{ f:\mathbb{R}\rightarrow\mathbb{R}}\) będzie nieujemną funkcją dla której istnieje skończona całka niewłaściwa Riemanna \(\displaystyle{ \int_{-\infty}^{\infty}f(x)\mbox{d}x}\). Wtedy \(\displaystyle{ f}\) jest całkowalna w sensie Lebesgue’a.
Pytanie jeszcze czy tak jest też w drugą stronę i czy te całki są wtedy równe. Ale czy w ogóle może być tak, że obie całki istnieją i są różne?
A może ktoś potrafi podać jakąś książkę z teorii miary która to wyjaśni?
- kristoffwp
- Użytkownik
- Posty: 688
- Rejestracja: 28 gru 2009, o 00:13
- Płeć: Mężczyzna
- Lokalizacja: Bielsko - Biała
- Podziękował: 20 razy
- Pomógł: 88 razy
prawdopodobieństwo a gęstość prawdopodobieństwa
Jeżeli obie całki istnieją, to są równe. Może się zdarzyć, że istnieje całka Lebesgue'a, a nie istnieje całka Riemanna. To kwestia w pewnym sensie lekko "ułomnej" definicji całki Riemanna. Powiedzmy dla funkcji:
\(\displaystyle{ f(x)= \begin{cases} 0, \ dla x\in \mathbb{Q} \cap (0,1) \\ 1, \ dla \ x \in \mathbb{R}\backslash \mathbb{Q} \cap (0,1) \end{cases}}\) całka Lebesgue'a istnieje i jest równa jeden, czyli tak, jak powinno być. Z całką Riemanna jest za to kłopot.
\(\displaystyle{ f(x)= \begin{cases} 0, \ dla x\in \mathbb{Q} \cap (0,1) \\ 1, \ dla \ x \in \mathbb{R}\backslash \mathbb{Q} \cap (0,1) \end{cases}}\) całka Lebesgue'a istnieje i jest równa jeden, czyli tak, jak powinno być. Z całką Riemanna jest za to kłopot.