Funkcija gustine verovatnoće

(преусмерено са Probability density function)

U teoriji verovatnoće,[2][3][4] funkcija gustine verovatnoće (engl. probability density function - PDF), ili gustina kontinuirane slučajne promenljive, funkcija je čija se vrednost u datom uzorku (ili tački) u prostoru uzoraka (skupu mogućih vrednosti koje slučajna promenljiva može da poprimi) može protumačiti kao relativna verovatnoća da će vrednost slučajne promenljive biti jednaka tom uzorku.[5] Drugim rečima, dok je apsolutna verovatnoća da kontinuirana slučajna promenljiva poprimi bilo koju određenu vrednost jednaka 0 (pošto postoji neograničen skup mogućih vrednosti), vrednost funkcije dva različita uzorka mogu se koristiti za izvođenje zaključka, koliko je u svakom datom izvlačenju slučajne promenljive, verovatnije da je slučajna promenljiva jednaka jednom uzorku u odnosu na drugi uzorak.

Kutijasti grafikon i funkcija gustine verovatnoće normalne raspodele N(0, σ2).
Geometrijska vizualizacija modusa, medijane i srednje vrednosti proizvoljne funkicije gustine verovatnoće.[1]

U preciznijem smislu, PDF se koristi za određivanje verovatnoće da slučajna promenljiva padne u određeni raspon vrednosti, za razliku od poprimanja bilo koje specifične vrednosti. Ova verovatnoća je data integralom PDF-a promenljive u datom opsegu - drugim rečima, ona je data područjem pod funkcijom gustine, iznad horizontalne ose i između najniže i najviše vrednosti raspona. Funkcija gustine verovatnoće je svuda pozitivna, a njen integral nad celokupnim prostorom jednak je jedinici.

Izrazi „funkcija raspodele verovatnoće[6] i „funkcija verovatnoće[7] se takođe ponekad koriste za označavanje funkcije gustine verovatnoće. Međutim, ova upotreba nije standardna u oblastima verovatnoće i statistike. U drugim izvorima „funkcija raspodele verovatnoće” može se koristiti kada je raspodela verovatnoće definisana kao funkcija nad opštim setovima vrednosti, ili se može odnositi na funkciju kumulativne raspodele, ili može biti funkcija verovatnoće (PMF), pre nego gustina. Sama „funkcija gustine” takođe se koristi za funkciju verovatnoće što dovodi do dalje konfuzije.[8] Generalno, PMF se koristi u kontekstu diskretnih slučajnih promenljivih (slučajne varijable koje poprimaju vrednosti na diskretnom skupu), dok se PDF koristi u kontekstu kontinuiranih slučajnih promenljivih.

Pretpostavimo da data vrsta bakterija obično živi 4 do 6 sati. Kolika je verovatnoća da bakterija živi tačno 5 sati? Odgovor je 0%. Mnogo bakterija živi oko 5 sati, ali nema šanse da bilo koja bakterija umre nakon tačno u 5.0000000000 ... sati.

Umesto toga može se postaviti pitanje: Kolika je verovatnoća da bakterija umre između 5 sati i 5,01 sata? Pretpostavimo da je odgovor 0,02 (tj. 2%). Sledeće: Kolika je verovatnoća da bakterija umre između 5 i 5,001 sati? Odgovor bi trebao biti oko 0,002, jer je ovaj vremenski interval jedna desetina prethodnog. Verovatnoća da bakterija umre između 5 sati i 5,0001 sata bi trebalo da bude oko 0,0002, i tako dalje.

U ova tri primera, odnos (verovatnoća umiranja tokom intervala) / (trajanje intervala) je približno konstantan i jednak je 2 na sat (ili 2 sata−1). Na primer, postoji 0,02 verovatnoća da će umreti u 0,01-časovnom intervalu između 5 i 5,01 sata, i (0,02 verovatnoće / 0,01 sata) = 2 sata−1. Ova količina je 2 sata−1 i naziva se gustinom verovatnoće umiranja na oko 5 sati.

Stoga, kao odgovor na pitanje „Kolika je verovatnoća da bakterija umre za 5 sati?”, doslovno tačan, ali beskoristan odgovor je „0”, dok se bolji odgovor može napisati kao (2 sata−1) dt. Ovo je verovatnoća da bakterija umre unutar malog (infinitezimalnog) vremenskog perioda na oko 5 sati, gde je dt vreme trajanja tog prozora.

Na primer, verovatnoća da živi duže od 5 sati, ali kraće od (5 sati + 1 nanosekunda), je (2 sata−1)×(1 nanosekunda) ≃ 6×10−13 (koristeći jedinicu konverzije 3,6×1012 nanosekundi = 1 sat).

Postoji funkcija gustine verovatnoće f sa f(5 sati) = 2 sata-1. Integral od f u bilo kojem vremenskom prozoru (ne samo beskonačno mali prozori, već i veliki prozori) verovatnoća je da će bakterija umreti u tom prozoru.

Apsolutno kontinuarna univarijantna raspodela

уреди

Funkcija gustine verovatnoće se najčešće asocira sa apsolutno neprekidnim univarijantnim distribucijama. Slučajna promenljiva   ima gustinu  , gde je   nenegativna Lebegova integrabilna funkcija, ako:[9][10]

 

Stoga, ako je   kumulativna funkcija raspodele  , onda je:

 

i (ako je   kontinuirano u  )

 

Intuitivno, može se smatrati da je   verovatnoća da   padne unutar infinitezimalnog intervala  .

Formalna definicija

уреди

(Ova definicija se može proširiti na bilo koju raspodelu verovatnoće korišćenjem teorijsko-mertričke definicije verovatnoće.)

Slučajna promenljiva   sa vrednostima u merljivom prostoru   (obično   sa Borelovim skupovima kao merljivim podskupovima) ima kao raspospodelu verovatnoće meru XP na  : gustina   u osnosu na referentnu meru   na   je Radon-Nikodimov derivat:[11][12]

 

Drugim rečima, f je bilo koja merljiva funkcija sa svojstvom da je:

 

za bilo koji merljivi set  

Diskusija

уреди

U gore navedenom kontinuiranom univarijatnom slučaju, referentna je mera Lebega. Funkcija verovatnoće diskretne slučajne promenljive je gustina u odnosu na meru brojanja nad uzorkovanim prostorom (obično skupom celih brojeva, ili njegovom podskupu).

Nije moguće definisati gustinu referenciranjem na proizvoljnu meru (npr. ne može se odabrati mera brojanja kao referenca za kontinuiranu randomnu promenljivu). Štaviše, kada ona postoji, gustina je skoro svuda jedinstvena.

Reference

уреди
  1. ^ „AP Statistics Review - Density Curves and the Normal Distributions”. Архивирано из оригинала 02. 04. 2015. г. Приступљено 16. 3. 2015. 
  2. ^ „Теорија вероватноће, Енциклопедија Британика”. Приступљено 25. 4. 2013. 
  3. ^ "Kendall's Advanced Theory of Statistics, Volume 1: Distribution Theory", Alan Stuart and Keith Ord, 6th ed, (2009), ISBN 978-0-534-24312-8.
  4. ^ William Feller. An Introduction to Probability Theory and Its Applications. , (Vol 1), 3rd Ed, (1968), Wiley, ISBN 0-471-25708-7.
  5. ^ Grinstead, Charles M.; Snell, J. Laurie (2009). „Conditional Probability - Discrete Conditional” (PDF). Grinstead & Snell's Introduction to Probability. Orange Grove Texts. ISBN 161610046X. Архивирано из оригинала (PDF) 18. 07. 2019. г. Приступљено 25. 7. 2019. 
  6. ^ Probability distribution function PlanetMath Архивирано 2011-08-07 на сајту Wayback Machine
  7. ^ Probability Function Архивирано на сајту Wayback Machine (15. август 2011) at MathWorld
  8. ^ Ord, J.K. (1972) Families of Frequency Distributions, Griffin. ISBN 0-85264-137-0 (for example, Table 5.1 and Example 5.4)
  9. ^ Bartle, Robert G. (1995). The elements of integration and Lebesgue measure. Wiley Classics Library. New York: John Wiley & Sons Inc. xii+179. ISBN 0-471-04222-6. MR 1312157. 
  10. ^ Bauer, Heinz (2001). Measure and Integration Theory. De Gruyter Studies in Mathematics 26. Berlin: De Gruyter. ISBN 978-3-11-016719-1. 
  11. ^ Nikodym, O. (1930). „Sur une généralisation des intégrales de M. J. Radon” (PDF). Fundamenta Mathematicae (на језику: француски). 15: 131—179. JFM 56.0922.02. doi:10.4064/fm-15-1-131-179 . Приступљено 2018-01-30. 
  12. ^ Zaanen, Adriaan C. (1996). Introduction to Operator Theory in Riesz Spaces. Springer. ISBN 3-540-61989-5. 

Literatura

уреди

Spoljašnje veze

уреди