„Valószínűségi változó” változatai közötti eltérés

[ellenőrzött változat]

← Régebbi szerkesztés Újabb szerkesztés →

Tartalom törölve Tartalom hozzáadva

Sorban

A lap 2018. május 21., 20:25-kori változata

A valószínűségi változó a valószínűségszámítás egyik legfontosabb fogalma. Lényegében olyan jelenségek matematikai megfogalmazására, modellezésére alkalmas, melyek véletlentől függő értéket vesznek fel.^[1] Ilyen lehet például egy kockadobás eredménye, egy folyó vízállása vagy az utcán szembe jövő emberek testmagassága. Formálisan, a valószínűségi változó egy kimenetelt jellemez, nem feltétlenül számszerűen.^[2] Nem számszerű véletlen változó lehet mozgásirány, permutáció vagy gráf is, vagy akármilyen más matematikai objektum. Egy kimenetelhez különféle valószínűségi változó rendelhető, amit realizációnak, sztochasztikus folyamat esetén útnak neveznek.^[3]

Bár a valószínűségi változó szemléletes jelentése viszonylag könnyen megragadható, a precíz matematikai meghatározás a huszadik századig váratott magára, és egészen komoly függvénytani illetve mértékelméleti eszközöket használ fel.

Matematikai definíció

Az $(\Omega ,{\mathcal {A}},P)$ valószínűségi mező $\Omega$ eseményterén értelmezett valós értékű $X:\Omega \rightarrow \mathbb {R}$ függvény pontosan akkor valószínűségi változó, ha

\left\{\omega \in \Omega :X(\omega )\leq x\right\}\in {\mathcal {A}}\qquad \forall x\in \mathbb {R}

A mértékelmélet kifejezéseivel élve ez úgy fogalmazható meg, hogy ha a valószínűségi mezőt mint mértékteret tekintjük, akkor a valószínűségi változók pontosan az A-mérhető függvények.

Tulajdonképp a definíció azt követeli meg, hogy úgy rendeljünk számokat az eseménytér elemeihez – azaz az elemi eseményekhez – hogy az így kapott függvény "jól viselkedjen" a $P$ valószínűségi mérték szerinti integrálás szempontjából. Ez a követelmény ahhoz kell, hogy a valószínűségi változó viselkedésének leírásában, vizsgálatában lehessen kamatoztatni a függvénytan olyan eszközeit, mint az integrál- vagy a differenciálszámítás. A definíció egyenes következménye, hogy a valószínűségi változó eloszlásfüggvénye a megszokott módon definiálható.

Példák

Pénzfeldobás

A pénzfeldobást leíró valószínűségi változó valószínűségi mezeje a következő:

az $\Omega$ eseménytér a fej és az írás elemekből áll:

\Omega =\left\{F,I\right\}

,

az események ${\mathcal {A}}$ σ-algebrája az $\Omega$ összes részhalmazából (vagyis az $\Omega$ hatványhalmazából) áll:

{\mathcal {A}}=\left\{\emptyset ,\Omega ,\left\{F\right\},\left\{I\right\}\right\}

a $P$ valószínűségi mérték a következő:

P(\emptyset )=0;\qquad P\left(\left\{F\right\}\right)=1/2;\qquad P\left(\left\{I\right\}\right)=1/2;\qquad P\left(\left\{F,I\right\}\right)=1.

Ekkor valószínűségi változó például a következő $X:\Omega \rightarrow \mathbb {R}$ függvény:

X(\omega )={\begin{cases}1,&{\text{ha }}\omega =F,\\2,&{\text{ha }}\omega =I\end{cases}}

Ez a valószínűségi változó az 1 értéket veszi fel, ha fejet dobunk és a 2 értéket, ha írást.

Kockadobás

Hasonlóan a kockadobást leíró valószínűségi változó valószínűségi mezeje a következő:

az $\Omega$ eseménytér 6 elemből áll, az egyes dobásból, a kettes dobásból, … a hatos dobásból
az események ${\mathcal {A}}$ σ-algebrája most is az $\Omega$ összes részhalmazából áll,
a $P$ valószínűségi mérték most a következő: bármely $H\subseteq \Omega$ esetén

P(H)={\frac {\left|H\right|}{6}}

vagyis a

P

minden elemi eseményhez 1/6 valószínűséget rendel, és az olyan

H

eseményekhez, melyek

n

elemi eseményt tartalmaznak,

n/6

-ot.

A kockadobást leíró valószínűségi változót kapunk a következő függvénnyel: $X:\Omega \rightarrow \mathbb {R}$ olyan, hogy az "egyes dobás" elemi eseményéhez az 1-es számot, a "kettes dobás" elemi eseményéhez a 2-es számot stb. a "hatos dobás" elemi eseményéhez a 6-os számot rendeli.

Ez a valószínűségi változó mindig azt az egész számot veszi fel, amit dobtunk. Azt is lehet látni, hogy ha nem pont az {1, 2, 3, 4, 5, 6} halmaz lenne az értékkészlete X-nek, hanem például a {2, 4, 6, 8, 10, 12} akkor is a kockadobás véletlen kimeneteit modellezné csak más értékekkel.

A valószínűségi változót jellemző függvények

A valószínűségi változót jellemző értékek

A valószínűségi változók két nagy osztálya

A valószínűségi változók két leggyakrabban emlegetett fajtája a diszkrét és a folytonos valószínűségi változó. Szemléletesen a diszkrét valószínűségi változó olyan, ami elkülönült értékeket tud csak felvenni, a folytonos pedig olyan, ami – legalább egy intervallumon – bármilyen értéket felvehet. Diszkrét valószínűségi változó például az, ami egy kockadobás eredményét írja le, vagy azt, hogy egy üzletbe következőnek betoppanó 8 vendég közül hány férfi. Ezzel szemben folytonosnak tekinthető az a valószínűségi változó, ami azt írja le, hogy az ugyanebbe az üzletbe betoppanó következő vevő milyen magas, vagy hogy egy fáról leszüretelt őszibarack mekkora súlyú, hisz ezek a változók – legalább is egy intervallumon – akármilyen értéket felvehetnek. (Ez a bekezdés csak szemlélteti a folytonos valószínűségi változók fogalmát, és nem teljesen pontos. A precíz matematikai meghatározás a bekezdés alján megadott szócikkben található.)

Fontos megjegyezni, hogy nem csak diszkrét és folytonos valószínűségi változók vannak, tehát ez a két osztály nem adja a valószínűségi változók osztályának partícióját. Se nem folytonos, se nem diszkrét például az a valószínűségi változó, ami a következő kísérletet írja le: feldobunk egy pénzérmét, ha az eredmény fej, akkor a valószínűségi változó értéke legyen 2 ha írás, akkor a valószínűségi változó vegyen fel egy számot véletlenszerűen a [0,1] intervallumon (egyenletes eloszlás szerint).

A folytonos és a diszkrét valószínűségi változókat azért érdemes elkülöníteni a valószínűségi változók nagy osztályából, mert ez a két osztály sok szempontból nagyon jól – és egymástól nagyon eltérően – viselkedik. A várható érték kiszámítására például a diszkrét valószínűségi változók esetében speciális és könnyen számolható képlet adódik, sűrűségfüggvénye pedig csak folytonos valószínűségi változónak lehet.

A pontos matematikai definíciókat az alábbi szócikkek tartalmazzák.

Fontosabb valószínűségi eloszlások

Bernoulli-eloszlás
Béta-eloszlás
Binomiális eloszlás
Borel-eloszlás (Borel-Tanner-eloszlás)
Breit–Wigner-eloszlás
Cauchy-eloszlás
Dirichlet-eloszlás
Egyenletes eloszlás
elfajult eloszlás
Erlang-eloszlás
Exponenciális eloszlás
F-eloszlás
Gamma-eloszlás (Γ-eloszlás)
Gauss-eloszlás
Geometriai eloszlás
Hiperexponenciális eloszlás
Hipergeometrikus eloszlás
Indikátor eloszlás
Karakterisztikus eloszlás
Khí-négyzet eloszlás (χ²-eloszlás)
Logisztikus eloszlás
Lognormális eloszlás (logaritmikusan normális eloszlás, logaritmiko-normális eloszlás)
Markov-Pólya-Eggenberger-eloszlás
Negatív binomiális eloszlás
Normális eloszlás (normál eloszlás)
Pareto-eloszlás
Pascal-eloszlás
Pearson-féle eloszlások
Poisson-eloszlás
Polihipergeometrikus eloszlás
Polinomiális eloszlás
Student-eloszlás
t-eloszlás
valódi eloszlás
Weibull-eloszlás (Weibull-Gnedenko-eloszlás)

Források

Bognár J.-né – Mogyoródi J. – Prékopa A. – Rényi A. – Szász D. (2001): Valószínűségszámítási feladatgyűjtemény. Typotex Kiadó, Budapest.
Fazekas I. (szerk.) (2000): Bevezetés a matematikai statisztikába. Kossuth Egyetemi Kiadó, Debrecen.
Jánossy L. (1965): A valószínűségelmélet alapjai és néhány alkalmazása. Tankönyvkiadó, Budapest.
Kleinrock L. (1979): Sorbanállás, kiszolgálás. Műszaki Könyvkiadó, Budapest.
Lukács O. (2002): Matematikai statisztika. Műszaki Könyvkiadó, Budapest.
Medgyessy P. – Takács L. (1973): Valószínűségszámítás. Tankönyvkiadó, Budapest.
Michaletzky Gy. – Mogyoródi J. (1995): Matematikai statisztika, Nemzeti Tankönyvkiadó, Budapest.
Michelberger P. – Szeidl L. – Várlaki P. (2001): Alkalmazott folyamatstatisztika és idősor-analízis. Typotex Kiadó, Budapest.
Vargha A. (2000): Matematikai statisztika pszichológiai, nyelvészeti és biológiai alkalmazásokkal. Pólya Kiadó, Budapest.
Vetier A. (1991): Szemléletes mérték- és valószínűségelmélet. Tankönyvkiadó, Budapest.

Matematikaportál • összefoglaló, színes tartalomajánló lap

↑ Norbert Henze: Stochastik für Einsteiger: Eine Einführung in die faszinierende Welt des Zufalls. Vieweg+Teubner Verlag, 2010, ISBN 978-3-8348-0815-8, doi:10.1007/978-3-8348-9351-2, S. 12.
↑ Forráshivatkozás-hiba: Érvénytelen <ref> címke; nincs megadva szöveg a(z) Bewersdorff2012 nevű lábjegyzeteknek
↑ David Meintrup, Stefan Schäffler. Stochastik. Theorie und Anwendungen. Berlin Heidelberg New York: Springer-Verlag (2005). ISBN 978-3-540-21676-6

[1] Norbert Henze: Stochastik für Einsteiger: Eine Einführung in die faszinierende Welt des Zufalls. Vieweg+Teubner Verlag, 2010, ISBN 978-3-8348-0815-8, doi:10.1007/978-3-8348-9351-2, S. 12.

[Bewersdorff2012-2] Forráshivatkozás-hiba: Érvénytelen <ref> címke; nincs megadva szöveg a(z) Bewersdorff2012 nevű lábjegyzeteknek

[3] David Meintrup, Stefan Schäffler. Stochastik. Theorie und Anwendungen. Berlin Heidelberg New York: Springer-Verlag (2005). ISBN 978-3-540-21676-6

[1]

[2]

[3]

A lap 2017. január 24., 23:36-kori változata szerkesztés FoBe (vitalap \| szerkesztései) bürokraták, IP-ellenőrök, járőrök, adminisztrátorok 31 175 szerkesztés a egyértelműsítés ← Régebbi szerkesztés		A lap 2018. május 21., 20:25-kori változata szerkesztés visszavonás Szalakóta (vitalap \| szerkesztései) megerősített szerkesztők 44 138 szerkesztés bevezető Újabb szerkesztés →
1. sor:		1. sor:
	A '''valószínűségi változó''' a [[valószínűségszámítás]] egyik legfontosabb fogalma. Lényegében olyan jelenségek matematikai megfogalmazására, modellezésére alkalmas, melyek véletlentől függő értéket vesznek fel. Ilyen lehet például egy kockadobás eredménye, egy folyó vízállása vagy az utcán szembe jövő emberek testmagassága.		A '''valószínűségi változó''' a [[valószínűségszámítás]] egyik legfontosabb fogalma. Lényegében olyan jelenségek matematikai megfogalmazására, modellezésére alkalmas, melyek véletlentől függő értéket vesznek fel.<ref>[[Norbert Henze]]: ''Stochastik für Einsteiger: Eine Einführung in die faszinierende Welt des Zufalls.'' Vieweg+Teubner Verlag, 2010, ISBN 978-3-8348-0815-8, {{DOI\|10.1007/978-3-8348-9351-2}}, S. 12.</ref> Ilyen lehet például egy kockadobás eredménye, egy folyó vízállása vagy az utcán szembe jövő emberek testmagassága. Formálisan, a valószínűségi változó egy kimenetelt jellemez, nem feltétlenül számszerűen.<ref name="Bewersdorff2012" /> Nem számszerű véletlen változó lehet mozgásirány, permutáció vagy gráf is, vagy akármilyen más matematikai objektum. Egy kimenetelhez különféle valószínűségi változó rendelhető, amit realizációnak, sztochasztikus folyamat esetén útnak neveznek.<ref> {{cite book\|author=David Meintrup, Stefan Schäffler\|title=Stochastik. Theorie und Anwendungen\|publisher=Springer-Verlag\|location=Berlin Heidelberg New York\|year=2005\|isbn=978-3-540-21676-6\|Seiten=456-457\|DOI=10.1007/b137972}} </ref>

	Bár a valószínűségi változó szemléletes jelentése viszonylag könnyen megragadható, a precíz matematikai meghatározás a [[huszadik század]]ig váratott magára, és egészen komoly [[függvénytan]]i illetve [[mértékelmélet (matematika)\|mértékelméleti]] eszközöket használ fel.		Bár a valószínűségi változó szemléletes jelentése viszonylag könnyen megragadható, a precíz matematikai meghatározás a [[huszadik század]]ig váratott magára, és egészen komoly [[függvénytan]]i illetve [[mértékelmélet (matematika)\|mértékelméleti]] eszközöket használ fel.