Historia Rachunku Prawdopodobieństwa i Statystyki WYKŁAD III: Jakub Bernoulli i jego Ars Conjectandi. Abraham de Moivre.

Podobne dokumenty
Prawdopodobieństwo i statystyka Wykład I: Przestrzeń probabilistyczna

Prawa wielkich liczb, centralne twierdzenia graniczne

Lista zadania nr 7 Metody probabilistyczne i statystyka studia I stopnia informatyka (rok 2) Wydziału Ekonomiczno-Informatycznego Filia UwB w Wilnie

Metody probabilistyczne

Wykład 6 Centralne Twierdzenie Graniczne. Rozkłady wielowymiarowe

Drugie kolokwium z Rachunku Prawdopodobieństwa, zestaw A

Rachunek prawdopodobieństwa Rozdział 6: Twierdzenia graniczne.

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA

Wykład: 20 godz., ćwiczenia: 20 godz. Zasady zaliczenia: zaliczenie ćwiczeń na ocenę, zaliczenie wykładu - egzamin (pisemne).

Prawdopodobieństwo i statystyka Wykład I: Nieco historii

Rachunek prawdopodobieństwa Rozdział 6: Twierdzenia graniczne.

Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak

Wykład 11: Martyngały: Twierdzenie o zbieżności i Hoeffdinga

WYKŁAD 2. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

Przestrzeń probabilistyczna

Ród Bernoullich. przygotowali: Rafał Staszek vel Staszewski Jakub Szymczuk Daniel Waszkiewicz Rafał Woźniak

Spis treści 3 SPIS TREŚCI

Centralne twierdzenie graniczne

7. Estymacja parametrów w modelu normalnym( ) Pojęcie losowej próby prostej

Ośrodkowość procesów, proces Wienera. Ośrodkowość procesów, proces Wienera Procesy Stochastyczne, wykład, T. Byczkowski,

Rozkłady zmiennych losowych

STATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa

Historia Rachunku Prawdopodobieństwa i Statystyki WYKŁAD IV: Simpson, Bayes, Laplace

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Zestaw 2: Zmienne losowe. 0, x < 1, 2, 2 x, 1 1 x, 1 x, F 9 (x) =

Lista 5. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

zdarzenie losowe - zdarzenie którego przebiegu czy wyniku nie da się przewidzieć na pewno.

MODELE MATEMATYCZNE W UBEZPIECZENIACH

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa

Wstęp do rachunku prawdopodobieństwa. Cz. 1 / William Feller. wyd. 6, dodr. 4. Warszawa, Spis treści

Wykład 4. Plan: 1. Aproksymacja rozkładu dwumianowego rozkładem normalnym. 2. Rozkłady próbkowe. 3. Centralne twierdzenie graniczne

STATYSTYKA MATEMATYCZNA ZESTAW 0 (POWT. RACH. PRAWDOPODOBIEŃSTWA) ZADANIA

Pierre Simon Laplace notka biograficzna. Nina Ulicka 22 stycznia 2019

Historia Rachunku Prawdopodobieństwa i Statystyki WYKŁAD VI: Galton, Edgeworth i Karl Pearson.

Wybrane rozkłady zmiennych losowych. Statystyka

Metody probabilistyczne

III. ZMIENNE LOSOWE JEDNOWYMIAROWE

Dwa równania kwadratowe z częścią całkowitą

Algorytmy stochastyczne, wykład 08 Sieci bayesowskie

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Wybrane rozkłady zmiennych losowych. Statystyka

STATYSTYKA MATEMATYCZNA WYKŁAD stycznia 2010

WSTĘP. Tematy: Regresja liniowa: model regresji liniowej, estymacja nieznanych parametrów. Wykład:30godz., ćwiczenia:15godz., laboratorium:30godz.

Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 1) Dariusz Gozdowski

Tydzień nr 9-10 (16 maja - 29 maja), Równania różniczkowe, wartości własne, funkcja wykładnicza od operatora - Matematyka II 2010/2011L

Testowanie hipotez statystycznych.

Estymacja parametrów w modelu normalnym

dr Jerzy Pusz, st. wykładowca, Wydział Matematyki i Nauk Informacyjnych Politechniki Warszawskiej B. Ogólna charakterystyka przedmiotu

UBEZPIECZ SIĘ, NAJLEPIEJ U MATEMATYKA

Rozkłady prawdopodobieństwa zmiennych losowych

Testowanie hipotez statystycznych.

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 7 i 8 - Efektywność estymatorów, przedziały ufności

STATYSTYKA I DOŚWIADCZALNICTWO

Wykład 3 Hipotezy statystyczne

Zmienna losowa. Rozkład skokowy

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =

Matematyka ubezpieczeń majątkowych r.

Rozdział 1. Wektory losowe. 1.1 Wektor losowy i jego rozkład

Wykład 12: Warunkowa wartość oczekiwana. Rozkłady warunkowe. Mieszanina rozkładów.

STATYSTYKA MATEMATYCZNA

Wykład 8 Dane kategoryczne

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 3 ZADANIA - ZESTAW 3

Matematyczne Podstawy Kognitywistyki

Analiza wyników matury 2017 z matematyki. Mieczysław Fałat OKE we Wrocławiu

Prawdopodobieństwo i statystyka

Indukcja matematyczna

P (A B) = P (A), P (B) = P (A), skąd P (A B) = P (A) P (B). P (A)

Przykłady do zadania 3.1 :

Opis przedmiotu. Karta przedmiotu - Probabilistyka I Katalog ECTS Politechniki Warszawskiej

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 1 ZADANIA - ZESTAW 1. (odp. a) B A C, b) A, c) A B, d) Ω)

Zastosowanie Excela w matematyce

Rachunek prawdopodobieństwa MAP1064 Wydział Elektroniki, rok akad. 2008/09, sem. letni Wykładowca: dr hab. A. Jurlewicz

MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ

Jednowymiarowa zmienna losowa

II WYKŁAD STATYSTYKA. 12/03/2014 B8 sala 0.10B Godz. 15:15

Opis przedmiotu: Probabilistyka I

b) Niech: - wśród trzech wylosowanych opakowań jest co najwyżej jedno o dawce 15 mg. Wówczas:

Matematyka ubezpieczeń majątkowych r.

Logarytmy. Historia. Definicja

Wrocław, Wstęp do informatyki i programowania: liczby pierwsze. Wydział Matematyki Politechniki Wrocławskiej.

Testowanie hipotez statystycznych

Statystyka matematyczna

Rachunku prawdopodobieństwa: rys historyczny, aksjomatyka, prawdopodobieństwo warunkowe,

Metody probabilistyczne

Matematyka Dyskretna Zestaw 2

Marek Zakrzewski Wydział Matematyki Politechnika Wrocławska. Lekarstwo na kłopoty z Cardanem: Róbta co Vieta.

Zadania o numerze 4 z zestawów licencjat 2014.

METODY BADAŃ NA ZWIERZĘTACH ze STATYSTYKĄ wykład 3-4. Parametry i wybrane rozkłady zmiennych losowych

Statystyka matematyczna dla leśników

Value at Risk (VaR) Jerzy Mycielski WNE. Jerzy Mycielski (Institute) Value at Risk (VaR) / 16

Biostatystyka, # 3 /Weterynaria I/

166 Wstęp do statystyki matematycznej

dr inż. Ryszard Rębowski 1 WPROWADZENIE

6.4 Podstawowe metody statystyczne

W. Guzicki Próbna matura, grudzień 2014 r. poziom rozszerzony 1

Generowanie liczb o zadanym rozkładzie. ln(1 F (y) λ

Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1

Biostatystyka, # 2 /Weterynaria I/

STATYSTYKA MATEMATYCZNA

Wykład 13. Podstawowe pojęcia rachunku prawdopodobieństwa

Transkrypt:

Historia Rachunku Prawdopodobieństwa i Statystyki WYKŁAD III: Jakub Bernoulli i jego Ars Conjectandi. Abraham de Moivre. MiNI PW, semestr zimowy 2017/2018

Rodzina Bernoullich Rodzina Bernoullich przybyła do Bazylei z Antwerpii na początku XVII w. Byli protestantami i uciekali przed prześladowaniami religijnymi księcia Alba. Szwajcaria w tym czasie była protestancka. W tym samym czasie odwołanie edyktu nantejskiego we Francji w 1685 roku. Edykt, podpisany przez Henryka IV w 1598 roku dawał protestantom (hugenotom) takie same prawa jak katolikom. Masowa emigracja protestantów do Prus, Szwajcarii, Holandii i Anglii.

Konflikty religijne w Niderlandach

Rodzina Bernoullich Mikołaj Bernoulli (1623-1708) Jakub Bernoulli (1654-1705), najstarszy syn Mikołaja jego bracia Jan, Mikołaj. Jakub umiera w 1705 roku, zostawiając w manuskrypcie Ars Conjectandi. Wydane przez Mikołaja Bernoulliego (Mikołaj I Bernoulli), bratanka JB w 1713 ( 2013: trzechsetlecie wydania AC: Swiatowy Rok Statystyki) Daniel Bernoulli : sformułował paradoks petersburski

Rodzina Bernoullich

Jakub Bernoulli

Ars Conjectandi

Ars Conjectandi Składa się z 4 części, pierwsza jest komentarzem do ksiązki Huygensa. Najważniejsze odkrycia: Oczekiwanie (Wartość oczekiwana) Addytywność prawdopodobieństwa dla zdarzeń rozłacznych; (słabe) prawo wielkich liczb; rozkład Bernoulliego.

Zauważa nieddytywność prawdopodobieństwa dla zdarzeń nierozłącznych: dwie osoby skazane na śmierć grają o swój los rzucając kośćmi: ten kto uzyska mniejszą liczbę oczek zostanie zgładzony, a drugi odzyska wolność. W przypadku remisu - obaj wolni. Szanse uwolnienia dla ustalonego więźnia: 6(remisów) + 1 + 2 + 3 + 4 + 5 36 = 21 36 = 7 12. Nie oznacza to jednak, że szanse uwolnienia drugiego wynoszą 5/12: szanse obu są jednakowe. Dzieje się tak, ponieważ: Nie ma przypadku obydwaj byliby skazani na śmierć, natomiast jest parę przypadków, gdy obaj mogą znaleźć się wśród żywych.

Prawo wielkich liczb Podstawowe zagadnienie, które rozpatrywał Bernoulli: Załóżmy, że prawdopodobieństwo sukcesu wynosi p = r r + s, gdzie r-liczba zdarzeń sprzyjających, s- liczba zdarzeń niesprzyjających. Z jak dużym prawdopodobieństwem zachodzi zdarzenie: a nawet więcej, kiedy A = { S N N p 1 s + r }, P(A) C, 1 P(A) gdzie C było tak duże, że dawało gwarancję moralnej pewności...

Prawo wielkich liczb Problem Bernoulliego, z którym nie umiał sobie poradzić, to jakość przybliżenia: dla r = 30 i s = 20 (t = 50), C = 1000 uzyskiwał liczność próby 25 550, aby uzyskać moralną pewność (moral certainty) P((r 1)n S N (r + 1)n) CP(S N < (r 1)n lub S N > (r + 1)n) P( S N N p ε) CP( S N p ε) N n = Nε = N/(r + s). na tym przykładzie gwałtownie kończy się ksiązka. Pózniej tylko jedno zdanie (być może dopisane przez Mikołaja B.): If all events are observed for all of eternity.. all will occur in certain ratios.. Plato himself may have predicted it. 25 550 było dla JB liczbą astronomiczną (większą niż liczba mieszkańców Bazylei w tym czasie...). Nie umiał poprawić przybliżenia.

Komentarz (i) Ale n = 25550 nie było złym wynikiem: Dla przykladu z nierówności Czebyszewa, jeśli chcemy (dla r = 30 i s = 20) mieć P( S N N to prowadzi to do nierówności 1 3/5 50 ) 1000P( S N 1 3/5 N 50 ) P( S N N 3/5 1 50 ) 1 1001 otrzymujemy N 2500 1001 (3/5)(2/5) = 600600. (ii) Zauważmy, że gdy stosujemy test na poziomie istotności 0.05 to współczesna moralna pewność wynosi Bernoulli chciał C = 1000!. C = 95 5 20

Spirala logarytmiczna Spira mirabilis (cudowna spirala - J. Bernoulli) Mutata resurgo eadem (Eadem mutata resurgo) Choć zmieniona, powstaję taka sama. Spirala logarytmiczna symbolizuje fortitude and constancy in adversity, or of the human body, which after all its changes, even after death, will be restored to its exact and perfect self. (Livio, Mario (2002). The Golden Ratio: The Story of Phi, The World s Most Astonishing Number) Równanie we wsp. biegunowych r = ae bθ

Spirala logarytmiczna

Bernoulli Society

Abraham de Moivre (1667-1754) AdM pochodził z rodziny protestanckiej, studiował matematykę na Sorbonie, w momencie odwołania edyktu nantejskiego został uwięziony w wieku 18 lat. Uwolniony po trzech latach natychmiast wyjechał do Anglii i nigdy nie wrócił do Francji. Przez całe życie pracował jako prywatny nauczyciel. Doradzał też hazardzistom. Zmarł w biedzie w wieku 87 lat. W 1718 roku opublikował Doctrine of Chances, następne wydania w 1738, 1756 rok.

Abraham de Moivre

Abraham de Moivre Przybliżenie rozkładu dwumianowego rozkładem normalnym Podstawowe osiągnięcie w Doctrine of Chances (drugie wydanie 1738): przybliżenie rozkładu dwumianowego rozkładem normalnym ( CTG dla zmiennych Bernoulliego) przez poprawienie wyniku Jakuba Bernoulliego. Dla rozkladu Bernoulliego Bin(n, 1/2), n=2k pokazał, że oraz (przy pomocy Stirlinga) P(X = n/2 + l) P(X = n/2) exp( 2l 2 /n) P(X = n/2) 2 2πn (X ma w przybliżeniu rozkład N(n/2, n/4))

Zatem wiedział, że P(X = n/2 + l) 2 2πn exp( 2l 2 /n) Chciał otrzymać oszacowanie prawdopodobieństwa P( X n/2 a n/2). Zrobił to rozwijając exp( 2l 2 /n) i sumując szeregi dla l a n/2. Otrzymał zadziwiająco dobre przybliżenie: Dla a = 1 wynik de Moivre a = 0.682688 wynik dokładny 0.682689

Jak dużo przeszacował Bernoulli? P( S N N 3/5 1 50 ) 1 1001 1 korzystając z przybliżenia normalnego i moralnej pewności musimy mieć 1001 1 1000 otrzymujemy, że dla P( 25N 6 ( S N N 3/5) 25N 6 1 50 ) 1 1001 czyli, że 25N 6 1 50 z 0.9995 = 3, 29 co daje N = 6 (3, 29 10) 2 6495. Bernoulli dostał N = 25550...

Abraham de Moivre Problem de Moivre a de Moivre s defficiency.. Nie umiał rozwiązać problemu odwrotnego. Typowy przykład: Tablice Halley a pokazują, że frakcja mężczyzn o wieku 50 lat dożywających lat 70 wynosi S n /n = 0.4. Jaki ocenić rzeczywiste prawdopodobieństwo dożycia 70 lat mając tę informację tzn ile np wynosi: gdzie p = P(X 70 X 50). Potrzebny był Bayes... P(p 0.5 S n /n = 0.4)