Todennäköisyysfunktio

Wikimedia-täsmennyssivu

Todennäköisyysfunktio[1][2][3] on todennäköisyyslaskennassa yleisnimitys funktiolle, jonka avulla voidaan määrittää satunnaismuuttujalle sen eri arvoille tai arvojoukoille niiden yleisyyttä vastaavat todennäköisyydet. Todennäköisyyksien määrittämiseen käytetään menetelmiä, jotka tyydyttävät todennäköisyysmitan vaatimuksia. Sellaisia ovat klassisen todennäköisyyden, geometrisen todennäköisyyden, tilastollisen todennäköisyyden tai joidenkin muiden pätevien tapojen menetelmät.

Diskreetillä satunnaismuuttujalla todennäköisyysfunktiota kutsutaan pistetodennäköisyysfunktioksi tai vain pistetodennäköisyydeksi. Siinä kullakin yksittäinen satunnaismuuttujan arvolla eli alkeistapauksella on todennäköisyys nollan ja ykkösen välillä[2][4] (merkitään ).

Jatkuvalla satunnaismuuttujalla tiheysfunktiota saatetaan kutsua todennäköisyysfunktioksi, vaikka tiheysfunktion arvot eivät ole suoraan todennäköisyyksiä. Kukin tapahtuma on lukuväli, jonka todennäköisyys määräytyy tiheysfunktion määrätyllä integraalilla laskettavasta arvosta. Toisinaan todennäköisyysfunktioksi kutsutaan kertymäfunktiota, koska se arvot ovat todennäköisyyksiä. Yleisempää on käyttää näistä kahdesta todennäköisyysjakauman nimitystä. Nimityksien vakiintumattomuuden vuoksi jatkuvien satunnaisilmiöiden yhteydessä käytetäänkin mieluummin tiheys- ja kertymäfunktioiden käsitteitä todennäköisyysfunktion sijasta. Todennäköisyysfunktioksi voidaan määrittää jokin muu funktio, joka laskee todennäköisyydet toisen funktion avulla.[5][6][7]

Diskreetillä ja jatkuvalla satunnaismuuttujalla nämä todennäköisyysfunktion määritelmät ovat varsin erilaiset. Muilla satunnaismuuttujilla, jotka ovat esimerkiksi näiden perustyyppien sekoituksia, todennäköisyysfunktiolla on kummankin funktion ominaisuuksia.[8]

Esimerkkejä muodostamistavoista

muokkaa

Kun otetaan käsittelyyn uusi satunnaisilmiö, tulee ensimmäiseksi määritellä ilmiön perusjoukko eli mitä ulostuloja tai arvoja se tuottaa. Seuraavaksi yritetään arvioida tai laskea kunkin ulostulon tai arvon esiintymisen yleisyyttä eli todennäköisyyttä. Jatkuvassa tapauksessa tuloksena on tiheysfunktio ja diskreetissä tapauksessa pistetodennäköisyysfunktio. Sitä taulukkoa tai lauseketta, joka esittää kullekin tapaukselle sen todennäköisyyttä, kutsutaan todennäköisyysfunktioksi. Jatkuvalle tapaukselle tiheysfunktion määrittäminen on vaikeampaa kuin diskreetille tapaukselle.

Klassinen todennäköisyys

muokkaa

Nopanheiton tapauksessa on varsin helppo muodostaa todennäköisyysfunktio käyttäen todennäköisyyden klassista lähestymistapaa. Symmetrisessä nopassa on kuusi samanlaista tahkoa, jotka jäävät heitettäessä yhtä yleisesti näkyviin, ja niiden esiintymistodennäköisyydet ovat siten yhtä suuret. Näin voidaan esittää täsmällinen arvo todennäköisyyden suuruudesta, joka on tässä tapauksessa  . Merkitsemällä kullekin nopan ulostulon silmälukujen arvo satunnaismuuttujan   arvoksi  , voidaan todennäköisyysfunktio   määrittää ja kirjoittaa[3]

 

Todennäköisyyksien yhtäsuuruuden takia todennäköisyysjakaumaa kutsutaan symmetriseksi. Todennäköisyysfunktio on diskreetin luonteensa vuoksi pistetodennäköisyysfunktio.

Tilastollinen todennäköisyys

muokkaa

Ihmissikiöiden sukupuolen määräytymismekanismi on monimutkainen biologinen prosessi. Syntyneen lapsen terveyskorttiin merkitään lapsen sukupuoli, ja näistä koottujen tilastojen avulla voidaan laskea sukupuolten prosentuaaliset osuudet. On osoittautunut, että suomalaislasten poikien osuudeksi on vakiintunut 51,2 % ja tyttöjen 48,8 %. Luvut voidaan tulkita suoraan todennäköisyyksinä, jolloin todennäköisyysfunktion arvot ovat (tilastojen perusteella)[3]

 

ja

 

Määrittelyjoukon arvojen ei tarvitse todennäköisyyslaskennassa olla aina lukuja, koska sanat ”poika” ja ”tyttö” ovat havainnollisempia. Tätäkin todennäköisyysfunktiota voidaan kutsua pistetodennäköisyysfunktioksi.

Geometrinen todennäköisyys

muokkaa

Geometrisessä todennäköisyydessä tavoitteena on havainnollistaa satunnaismuuttujia esittämällä ne yksi- tai moniulotteisina kuvioina. Kuviossa jokainen piste vastaa yhtä alkeistapausta, ja jokaisen alkeistapauksen todennäköisyys on yhtä suuri. Esimerkiksi todennäköisyyttä, että onnenpyörää pyöritettäessä osoitin pysähtyy tiettyyn kohtaan onnenpyörästä, voidaan arvioida geometrisen todennäköisyyden avulla. Olkoon onnenpyörässä 60 sektoria, joihin on sijoitettu kokonaislukuarvot 1--60. Todennäköisyys, että osoitin pysähtyy minkä tahansa luvun kohdalle, on yhtä suuri (mikäli oletetaan, että sektorit ovat pinta-alaltaan yhtä suuret). Mittaustarkkuutta lisäämällä saadaan teoriassa äärettömän tarkkoja lukuja osoittimen sijainnista, mutta käytännössä mittaustarkkuuden rajallisuudesta johtuen on mahdollista saada vain äärellinen määrä arvoja. Pysähtymiskohta on siten satunnaismuuttuja, joka saa arvokseen pysähtymiskohdan mittaluvun, eli se saa reaalilukuarvoja väliltä   Nämä arvot ovat tasan jakautuneet, kuten geometrisessä todennäköisyydessä aina oletetaan.[9]

Onnenpyörään voidaan merkitä erilaisia voittosektoreita, joihin osutaan niiden leveyteen eli kaaren pituuteen verrannollisella todennäköisyydellä. Todennäköisyysfunktion arvot lasketaankin kaaren pituuden   ja ympyrän kehän pituuden suhteista[9]

 

Jos kaarien määrä on äärellinen tai numeroituvasti ääretön lukumäärä, voidaan todennäköisyysfunktiota pitää pistetodennäköisyysfunktiona. Toisaalta, jos parametrit a ja b voidaan valita vapaasti reaalilukuina, tulee satunnaismuuttujaa kohdella jatkuvana tapauksena.

Tunnetun tiheysfunktion käyttäminen

muokkaa

Edellisessä tapauksessa jatkuvan satunnaismuuttujan todennäköisyysjakauma oli tasan jakautunut, jolloin tiheysfunktio on vakiofunktio. Yleisemmässä tapauksessa näin ei ole, ja tiheysfunktion arvot riippuvat satunnaismuuttujan arvoista. Tapahtuma, joka voidaan esittää lukuvälinä   saa erilaisia todennäköisyyksiä riippuen välin sijainnista perusjoukossa. Todennäköisyys voidaan laskea tiheysfunktion   määrätyn integraalin avulla ja kertymäfunktion   erotuksen avulla[10]

 

Todennäköisyysfunktio on siten kuvaus

 

missä   Selvästikin funktio on jatkuvan satunnaismuuttujan todennäköisyysfunktio, missä todennäköisyydet lasketaan erisuuruisille reaalilukuväleille.

Ominaisuudet

muokkaa

Kukin todennäköisyysfunktion saama arvo on   Arvot vaihtelevat kuitenkin siten, että niiden summa on aina yksi:

  [11]

Kaikki perusjoukon arvojen todennäköisyydet muodostavat yhdessä niin sanotun todennäköisyysjakauman. Vain diskreettien ilmiöiden ja satunnaismuuttujien jakaumat muodostuvat pistetodennäköisyyksistä.[11][12][13]

Katso myös

muokkaa

Lähteet

muokkaa
  1. EU Dict: Todennäköisyysfunktio
  2. a b Ruskeapää, Heikki: Todennäköisyyslaskenta I (Arkistoitu – Internet Archive)(luentomoniste), Turun Yliopisto, 2012
  3. a b c Kivelä, Simo K.: Todennäköisyysfunktio P, M niin kuin matematiikka, 10.8.2000
  4. Weisstein, Eric W.: Discrete Distribution (Math World – A Wolfram Web Resource) Wolfram Research. (englanniksi)
  5. Etälukio: Jatkuva jakauma (Arkistoitu – Internet Archive)
  6. Liski, Erkki: Luku 5 Jatkuvat jakaumat, s. 151–160, luennosta Matemaattinen tilastotiede, Tampereen yliopisto, 2005
  7. Weisstein, Eric W.: Probability Density Function (Math World – A Wolfram Web Resource) Wolfram Research. (englanniksi)
  8. Saarnisaari, Harri (Arkistoitu – Internet Archive): Satunnaismuuttujat (Arkistoitu – Internet Archive) (luentomateriaalia), 2003
  9. a b Alatupa, Sami et al.: Pitkä Sigma 6, s. 43−60. (lukion pitkän matematiikan oppikirja). Helsinki: Otava, 2010. ISBN 978-951-31-5343-4.
  10. Melin, Ilkka: Kertymäfunktio, Todennäköisyyslaskennan kurssimateriaali, Aalto-yliopisto, 2007
  11. a b Kohonen, Jukka: 2.1 Satunnaismuuttuja ja sen jakauma, luentomoniste kurssista Johdatus todennäköisyyslaskentaan (Arkistoitu – Internet Archive), Helsingin yliopisto, 2013
  12. Etälukio: Diskreetti jakauma (Arkistoitu – Internet Archive)
  13. Weisstein, Eric W.: Distribution Function (Math World – A Wolfram Web Resource) Wolfram Research. (englanniksi)