Matura matematyka – Prawdopodobieństwo klasyczne

Prawdopodobieństwo klasyczne

Definicja: Prawdopodobieństwo klasyczne oblicza się jako stosunek liczby zdarzeń sprzyjających do liczby zdarzeń możliwych.

Zdarzenie pewne

Zdarzenie pewne to takie, które zawsze zachodzi, jego prawdopodobieństwo wynosi 1.

Zdarzenie niemożliwe

Zdarzenie niemożliwe to takie, które nigdy nie zachodzi, jego prawdopodobieństwo wynosi 0.

Wzór na prawdopodobieństwo

$\displaystyle P(A) = \\frac{n(A)}{n(S)}$, gdzie $\displaystyle n(A)$ to liczba zdarzeń sprzyjających, a $\displaystyle n(S)$ to liczba wszystkich zdarzeń.

Zdarzenia losowe

Zdarzenia losowe to takie, których wynik nie jest określony z góry, np. rzut kostką.

Równanie Bayesa

Formalizm: $\displaystyle P(A|B) = \\frac{P(B|A)P(A)}{P(B)}$, służy do obliczania prawdopodobieństwa warunkowego.

Zdarzenia niezależne

Dwa zdarzenia A i B są niezależne, jeśli $\displaystyle P(A \cap B) = P(A)P(B)$.

Zdarzenia komplementarne

Zdarzenia A i A' są komplementarne, jeśli $\displaystyle P(A') = 1 - P(A)$.

Prawdopodobieństwo warunkowe

Prawdopodobieństwo warunkowe zdarzenia A, przy danym zdarzeniu B, to $\displaystyle P(A|B)$.

Zasada dodawania

Dla zdarzeń A i B: $\displaystyle P(A \cup B) = P(A) + P(B) - P(A \cap B)$.

Rzut kostką

Wynik rzutu kostką to zdarzenie losowe, każda z 6 ścian ma prawdopodobieństwo $\displaystyle \\frac{1}{6}$.

Zdarzenia ortogonalne

Dwa zdarzenia są ortogonalne, gdy ich wspólne prawdopodobieństwo wynosi 0: $\displaystyle P(A \cap B) = 0$.

Suma prawdopodobieństw

Suma prawdopodobieństw wszystkich zdarzeń elementarnych wynosi 1.

Przykład: rzut monetą

Prawdopodobieństwo orła i reszki w rzucie monetą wynosi $\displaystyle \\frac{1}{2}$.

Zdarzenia zależne

Dwa zdarzenia A i B są zależne, jeśli $\displaystyle P(A \cap B) \neq P(A)P(B)$.

Zdarzenia rozłączne

Zdarzenia rozłączne to takie, które nie mogą wystąpić jednocześnie.

Przykład: dobór kul

Prawdopodobieństwo wylosowania kuli białej z urny z kulami białymi i czarnymi.

Zdarzenie losowe a próbka

Próbka to podzbiór z populacji, który ma reprezentować całość.

Zasada mnożenia

$\displaystyle P(A \cap B) = P(A)P(B|A)$ — stosuje się do obliczania prawdopodobieństwa zdarzeń zależnych.

Wykresy prawdopodobieństwa

Wykresy ilustrują różne rozkłady prawdopodobieństwa, np. rozkład normalny.

Rzuty wielokrotne

W przypadku wielokrotnych rzutów, prawdopodobieństwo określonego wyniku można obliczać jako $\displaystyle P = P^n$.

Przykład: loteria

W loterii, prawdopodobieństwo wygrania głównej nagrody jest niskie, zależne od liczby losów.

Rozkład prawdopodobieństwa

Rozkład prawdopodobieństwa to opis, jak prawdopodobieństwa są rozłożone w różnych zdarzeniach.

Przykład: gra w karty

W grze w karty, prawdopodobieństwo wylosowania asa z talii wynosi $\displaystyle \\frac{4}{52}$.

Zastosowanie w ubezpieczeniach

Prawdopodobieństwo jest używane do oceny ryzyka w ubezpieczeniach i oszacowaniu składek.

Prawdopodobieństwo a statystyka

Teoria prawdopodobieństwa jest podstawą dla wielu technik statystycznych.

Przykład: eksperyment Bernoulliego

Doświadczenie Bernoulliego to pojedyncze zdarzenie z dwoma wynikami (np. sukces/porażka).

Prawdopodobieństwo w grach

W grach planszowych, prawdopodobieństwo może wpływać na strategie graczy.

Przykład: modelowanie

Prawdopodobieństwo jest używane do modelowania zjawisk losowych, takich jak pogoda.

Zastosowanie w biologii

Prawdopodobieństwo odgrywa ważną rolę w badaniach nad genetyką.

Zasada dopuszczalności

Zasada ta dotyczy określenia, które zdarzenia są dopuszczalne w danym kontekście.

Grupa kontrolna

W badaniach statystycznych, grupa kontrolna jest używana do porównania efektów.

Teoria gier

Teoria gier bada decyzje podejmowane w sytuacjach konkurencyjnych.

Ekonomia a prawdopodobieństwo

Prawdopodobieństwo jest podstawą wielu modeli ekonomicznych.

Zastosowanie w psychologii

Prawdopodobieństwo jest używane w psychologii do analizy zachowań i decyzji.

Analiza ryzyka

Analiza ryzyka wykorzystuje prawdopodobieństwo do oceny potencjalnych negatywnych skutków.

Symulacje Monte Carlo

Metoda symulacji Monte Carlo polega na stosowaniu losowych próbek do oceny probabilistycznej.