Úvod do praktické fyziky – prednáška 6Spojitá náhodná promenná
Václav Rímal
19. listopadu 2019
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 1 / 16
Prechod ke spojité náhodné promenné
Poissonovo rozdeleníPravdepodobnost, že se neco nekolikrát stane
Poissonovo rozdelení
Pravdepodobnost, že za daných podmínek jev nastane k-krát, je
Pµ(k) = P(k|µ) = µk
k!e−µ
Poznámky
k ∈N0
jediný parametr µ
umožnuje popsat experimenty v prípade, že pri jednom pokusu muže dojít k více úspechum
lze škálovat pomocí zmeny µ (více casu: µ = λt; vetší plocha; . . . )
nezávislost na minulosti
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 2 / 16
Prechod ke spojité náhodné promenné
Poissonovo rozdeleníPravdepodobnost, že se neco nekolikrát stane
Poissonovo rozdelení
Pravdepodobnost, že za daných podmínek jev nastane k-krát, je
Pµ(k) = P(k|µ) = µk
k!e−µ
Poznámky
k ∈N0
jediný parametr µ
umožnuje popsat experimenty v prípade, že pri jednom pokusu muže dojít k více úspechum
lze škálovat pomocí zmeny µ (více casu: µ = λt; vetší plocha; . . . )
nezávislost na minulosti
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 2 / 16
Prechod ke spojité náhodné promenné
Pravdepodobnost události jako funkce casuPrechod od promenné k k t
Poissonovo rozdelení
Pravdepodobnost, že za daných podmínek jev nastane k-krát, je
Pµ(k) = P(k|µ) = µk
k!e−µ
Jaká je pravdepodobnost ∆P, že jev nastane práve v casovém intervalu (t; t + ∆t)?
Škálujeme cas: µ = λtSoucin pravdepodobností, že
1 až do okamžiku t se nic nestane, tj. k = 0: Pλt(0) = e−λt ,2 behem ∆t se neco stane: P(t, t + ∆t) = λ∆t
∆P = λe−λt∆t
∆t→ dt :
dP = λe−λtdt
p(t) = λe−λt
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 3 / 16
Prechod ke spojité náhodné promenné
Zjemnování intervalu dtGrafická ukázka prechodu od diskrétní ke spojité náhodné promenné
∆P = λe−λt∆t
dP = λe−λtdt
p(t) = λe−λt
Ukázka pro λ = 0,5 s−1:
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 4 / 16
Prechod ke spojité náhodné promenné
Exponenciální rozdelení pravdepodobnostiUkázkové rozdelení pravdepodobnosti spojité náhodné promenné
Hustota pravdepodobnosti exponenciálního rozdelení
Pravdepodobnost, že k první události dojde v casovém intervalu (t; t + dt), je
P(t; t + dt) = p(t)dt,
p(t) = λe−λt ,
pricemž t = 0. Pro t < 0 je p(t) = 0.Funkce p(t) se nazývá hustota pravdepodobnosti
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 5 / 16
Hustota pravdepodobnosti
Vlastnosti rozdelení pravdepodobnosti spojité náhodné promennéOd sumy k integrálu
Hustota pravdepodobnosti (Probability density function)
Pravdepodobnost, že se spojitá náhodná promenná nachází v intervalu (x; x + dx), je
P(x; x + dx) = p(x)dx
Funkce p(x) se nazývá hustota pravdepodobnosti
Normalizacní podmínka
+∞∫−∞
p(x)dx = 1
Ocekávaná hodnota funkce f (x) spojité náhodné promenné x
E[ f (x)] ≡ 〈 f (x)〉 ≡ µ f (x) ≡+∞∫−∞
f (x)p(x)dx
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 6 / 16
Hustota pravdepodobnosti
Vlastnosti rozdelení pravdepodobnosti spojité náhodné promennéOd sumy k integrálu
Hustota pravdepodobnosti (Probability density function)
Pravdepodobnost, že se spojitá náhodná promenná nachází v intervalu (x; x + dx), je
P(x; x + dx) = p(x)dx
Funkce p(x) se nazývá hustota pravdepodobnosti
Normalizacní podmínka
+∞∫−∞
p(x)dx = 1
Ocekávaná hodnota funkce f (x) spojité náhodné promenné x
E[ f (x)] ≡ 〈 f (x)〉 ≡ µ f (x) ≡+∞∫−∞
f (x)p(x)dx
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 6 / 16
Hustota pravdepodobnosti
Vlastnosti rozdelení pravdepodobnosti spojité náhodné promennéOd sumy k integrálu
Hustota pravdepodobnosti (Probability density function)
Pravdepodobnost, že se spojitá náhodná promenná nachází v intervalu (x; x + dx), je
P(x; x + dx) = p(x)dx
Funkce p(x) se nazývá hustota pravdepodobnosti
Normalizacní podmínka
+∞∫−∞
p(x)dx = 1
Ocekávaná hodnota funkce f (x) spojité náhodné promenné x
E[ f (x)] ≡ 〈 f (x)〉 ≡ µ f (x) ≡+∞∫−∞
f (x)p(x)dx
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 6 / 16
Hustota pravdepodobnosti
Momenty rozdelení pravdepodobnosti spojité náhodné promennéZejména strední hodnota a disperze
Hustota pravdepodobnosti
Pravdepodobnost, že se spojitá náhodná promenná nachází v intervalu (x; x + dx), je
P(x; x + dx) = p(x)dx
Ocekávaná hodnota spojité náhodné promenné x
E[x] ≡ 〈x〉 ≡ µx ≡+∞∫−∞
xp(x)dx
Disperze spojité náhodné promenné x
σ2x ≡ V[x] ≡ Dx ≡ µ′2 =
⟨(x− µx)
2⟩≡
+∞∫−∞
(x− µx)2 p(x)dx
σ2x =
⟨x2⟩− 〈x〉2
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 7 / 16
Hustota pravdepodobnosti
Momenty rozdelení pravdepodobnosti spojité náhodné promennéZejména strední hodnota a disperze
Hustota pravdepodobnosti
Pravdepodobnost, že se spojitá náhodná promenná nachází v intervalu (x; x + dx), je
P(x; x + dx) = p(x)dx
Ocekávaná hodnota spojité náhodné promenné x
E[x] ≡ 〈x〉 ≡ µx ≡+∞∫−∞
xp(x)dx
Disperze spojité náhodné promenné x
σ2x ≡ V[x] ≡ Dx ≡ µ′2 =
⟨(x− µx)
2⟩≡
+∞∫−∞
(x− µx)2 p(x)dx
σ2x =
⟨x2⟩− 〈x〉2
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 7 / 16
Hustota pravdepodobnosti
Momenty rozdelení pravdepodobnosti spojité náhodné promennéZejména strední hodnota a disperze
Hustota pravdepodobnosti
Pravdepodobnost, že se spojitá náhodná promenná nachází v intervalu (x; x + dx), je
P(x; x + dx) = p(x)dx
Ocekávaná hodnota spojité náhodné promenné x
E[x] ≡ 〈x〉 ≡ µx ≡+∞∫−∞
xp(x)dx
Disperze spojité náhodné promenné x
σ2x ≡ V[x] ≡ Dx ≡ µ′2 =
⟨(x− µx)
2⟩≡
+∞∫−∞
(x− µx)2 p(x)dx
σ2x =
⟨x2⟩− 〈x〉2
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 7 / 16
Hustota pravdepodobnosti
Distribucní funkcePravdepodobnost výskytu promenné v urcitém intervalu
Praktický význam má pravdepodobnost, že x ∈ (a, b):
P(a, b) =b∫
a
p(ξ)dξ
Distribucní funkce náhodné promenné x
F(x) ≡x∫
−∞
p(ξ)dξ =∫
p(x)dx
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 8 / 16
Hustota pravdepodobnosti
Distribucní funkcePravdepodobnost výskytu promenné v urcitém intervalu
Praktický význam má pravdepodobnost, že x ∈ (a, b):
P(a, b) =b∫
a
p(ξ)dξ
Distribucní funkce náhodné promenné x
F(x) ≡x∫
−∞
p(ξ)dξ =∫
p(x)dx
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 8 / 16
Hustota pravdepodobnosti
Distribucní funkcePravdepodobnost výskytu promenné v urcitém intervalu
Praktický význam má pravdepodobnost, že x ∈ (a, b):
P(a, b) =b∫
a
p(ξ)dξ = F(b)− F(a)
Distribucní funkce náhodné promenné x
F(x) ≡x∫
−∞
p(ξ)dξ =∫
p(x)dx
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 8 / 16
Hustota pravdepodobnosti
Vlastnosti distribucní funkceA jaké podmínky splnuje
Distribucní funkce náhodné promenné x (Cumulative distribution function)
F(x) ≡x∫
−∞
p(ξ)dξ =∫
p(x)dx
F(x) je primitivní funkcí p(x): [F(x)]′ = F′(x) =dF(x)
dx= p(x)
F(x) je neklesající funkcelim
x→−∞F(x) = 0
limx→+∞
F(x) = 1
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 9 / 16
Hustota pravdepodobnosti
Rovnomerné rozdeleníUniform distribution
U(a, b)
Interval možných hodnot (a, b) musí být z obou stran omezenýVšechny hodnoty z daného intervalu stejne pravdepodobné:
p(x) je konstanta pro x ∈ (a, b)p(x) = 0 pro x /∈ (a, b)
Normovací podmínka:∫ b
a p(x)dx = 1
Distribucní funkce: F(x) =∫
p(x)dx
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 10 / 16
Hustota pravdepodobnosti
Rovnomerné rozdeleníUniform distribution
U(a, b)Interval možných hodnot (a, b) musí být z obou stran omezenýVšechny hodnoty z daného intervalu stejne pravdepodobné:
p(x) je konstanta pro x ∈ (a, b)p(x) = 0 pro x /∈ (a, b)
Normovací podmínka:∫ b
a p(x)dx = 1Distribucní funkce: F(x) =
∫p(x)dx
F(x) = 0 pro x ≤ aF(x) = 1
b−a (x− a) pro x ∈ (a, b)F(x) = 1 pro x ≥ b
x
f (x)
F (x)
a
1b−a
1
00b
f (x) F
(x)
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 10 / 16
Hustota pravdepodobnosti
Rovnomerné rozdeleníVlastnosti a príklady užití
U(a, b) =1
b− apro x ∈ (a, b)
µ =a + b
2
σ =b− a2√
3
Maximální chyba
Trída presnosti: Na mericím prístoji s rozsahem stupnice R je uvedena trída presnosti P. Je tovelikost maximální absolutní nejistoty v procentech rozsahu stupnice
Maximální nejistota ∆B = PR · 0.01Standardní nejistota σB = 1√
3PR · 0,01
Otácení, pohyb po kružnici: U(0, 2π)
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 11 / 16
Hustota pravdepodobnosti
Cauchyho rozdeleníaneb Lorentzovo rozdelení aneb Breitovo–Wignerovo rozdelení aneb Cauchy distribution
Jaká je pravdepodobnost dopadu fotonu (ci jejich hustota) na stínítko ve vzdálenosti l od zdroje?
Úhel je rozdelen rovnomerne: f (φ) = U(−pi/2,+π/2) = 1π
Jak je rozdelena vzdálenost od stredu? Hledáme p(x):
p(x)dx = f (φ)dφ
φ = arctgxl
dφ =dφ
dxdx =
(arctg
xl
)′dx
(arctg ξ)′ =1
(1 + ξ2)
p(x)dx =1π
ll2 + x2 dx
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 12 / 16
Hustota pravdepodobnosti
Cauchyho rozdeleníVlastnosti a príklady užití
C(x0, γ) = p(x) =1π
γ
γ2 + (x− x0)2
F(x) =1π
arctgx− x0
γ+
12
〈x〉 = ?
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 13 / 16
Hustota pravdepodobnosti
Cauchyho rozdeleníVlastnosti a príklady užití
C(x0, γ) = p(x) =1π
γ
γ2 + (x− x0)2
F(x) =1π
arctgx− x0
γ+
12
⟨xk⟩
není definováno pro k ≥ 1
Medián x0 : F(x0) =12
pološírka (FWHM: full width at half maximum): 2γ
rezonancní cáraVáclav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 13 / 16
Hustota pravdepodobnosti
Gaussovo rozdeleníaneb normální rozdelení aneb Gauss distribution
N(µ, σ) = p(x) =1√2πσ
e− (x− µ)2
2σ2
F(x) = ?
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 14 / 16
Hustota pravdepodobnosti
Gaussovo rozdeleníaneb normální rozdelení aneb Gauss distribution
N(µ, σ) = p(x) =1√2πσ
e− (x− µ)2
2σ2
F(x) =12
[1 + erf
(x− µ√
2σ
)]
erf(ξ) ≡ 2√π
ξ∫0
e−t2dt
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 14 / 16
Hustota pravdepodobnosti
Gaussovo rozdeleníVlastnosti a príklady užití
N(µ, σ) =1√2πσ
e− (x− µ)2
2σ2
〈x〉 = µ
D = σ2
erf(ξ) ≡ 2√π
ξ∫0
e−t2dt
limξ→+∞
erf(ξ) =2√π
+∞∫0
e−t2dt =
1√π
+∞∫−∞
e−t2dt = 1
Pološírka (FWHM)
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 15 / 16
Hustota pravdepodobnosti
Gaussovo rozdeleníVlastnosti a príklady užití
N(µ, σ) =1√2πσ
e− (x− µ)2
2σ2
〈x〉 = µ
D = σ2
erf(ξ) ≡ 2√π
ξ∫0
e−t2dt
limξ→+∞
erf(ξ) =2√π
+∞∫0
e−t2dt =
1√π
+∞∫−∞
e−t2dt = 1
Pološírka (FWHM) 2γ = 2σ√
2 ln 2
Standardní Gaussovo rozdelení N(0, 1)
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 15 / 16
Hustota pravdepodobnosti
Gaussovo rozdeleníVlastnosti a príklady užití
Zdroj: Wikipedia.org
p(
x ∈ (µ− σ, µ + σ))= erf
(1√2
)= 0,6827
p(
x ∈ (µ− 2σ, µ + 2σ))= erf
(2√2
)= 0,9545
p(
x ∈ (µ− 3σ, µ + 3σ))= erf
(3√2
)= 0,9973
Standardní chyba: napr. d = (5,1± 0,2)m
Difúze: koncentrace v jedné dimenzi je c(x, t) = c0 N(
µ,√
2Dt)=
c0
2√
πDte− (x− µ)2
4Dt ,
kde D je difúzní koeficient (rešení pro pocátecní podmínku, že v case 0 je veškerá hmotakoncentrovaná v jednom bode)
Václav Rímal Úvod do praktické fyziky – prednáška 6 19. listopadu 2019 16 / 16