Zmienne losowe

W matematyce, a szczególnie w teorii prawdopodobieństwa oraz w statystyce, zmienna losowa (ang. random variable) jest funkcją definiowaną na przestrzeni probabilistycznej, której wartości liczbowe opisują wyniki eksperymentu losowego. Dzięki takiemu opisowi możliwe jest zastosowanie metod analitycznych do badania zjawisk losowych i wyznaczanie ich charakterystyk, takich jak wartość oczekiwana, wariancja czy rozkład prawdopodobieństwa.

Definicja formalna

Niech Ω będzie przestrzenią elementarną, a 𝔽 – σ‑algebrą podzbiorów Ω. Funkcję X: Ω → ℝ nazywamy zmienną losową, jeśli jest ona mierzalna względem 𝔽 i σ‑algebry zbiorów borelowskich na ℝ, tzn. dla każdego zbioru borelowskiego B ⊂ ℝ zachodzi

{ ω ∈ Ω : X(ω) ∈ B } ∈ 𝔽.

Typy zmiennych losowych

• Zmienna losowa dyskretna przyjmuje skończoną lub przeliczalną liczbę wartości.
• Zmienna losowa ciągła posiada gęstość prawdopodobieństwa i przyjmuje wartości z przedziału liczb rzeczywistych.

Rozkład prawdopodobieństwa

Rozkład opisuje, z jakim prawdopodobieństwem zmienna losowa przyjmuje poszczególne wartości.

Dla zmiennej dyskretnej używa się funkcji prawdopodobieństwa p_X(k) = P(X = k), natomiast dla zmiennej ciągłej stosuje się funkcję gęstości f_X(x). Często podaje się także funkcję dystrybuanty F_X(x) = P(X ≤ x), która jest zdefiniowana dla obu typów zmiennych.

Ważne miary charakterystyki

• Wartość oczekiwana (średnia) – E[X] = ∑ k·p_X(k) (dla zmiennych dyskretnych) lub E[X] = ∫ x·f_X(x) dx (dla ciągłych).
• Wariancja – miara rozproszenia: Var(X) = E[(X‑E[X])²].
• Momenty wyższych rzędów – E[Xⁿ], które pozwalają określić kształt rozkładu.

Przykłady najważniejszych rozkładów

• Rozkład binomialny – liczba sukcesów w n próbach Bernoulliego o stałym prawdopodobieństwie sukcesu p.
• Rozkład Poissona – model liczby zdarzeń w stałym przedziale czasu przy małym prawdopodobieństwie pojedynczego zdarzenia.
• Rozkład normalny (Gaussa) – najczęściej występujący w przyrodzie, charakteryzujący się dwoma parametrami: średnią µ i odchyleniem standardowym σ.
• Rozkład jednorodny, wykładniczy, geometryczny i wiele innych, wykorzystywanych w różnych dziedzinach.

Zastosowania

Zmienne losowe są fundamentem wielu gałęzi matematyki i nauk przyrodniczych. Ich zastosowania obejmują:

• Statystykę – estymację parametrów, testy hipotez i modele regresji.
• Teorię informacji – miary entropii i kodowania źródłowego.
• Finanse – wycena instrumentów pochodnych, modelowanie ryzyka i analizy portfela.
• Fizyka – opis procesów losowych, np. ruch Browna, rozpraszanie.
• Inżynieria – symulacje systemów, analiza niezawodności.

Historia

Pierwsze formalne pojęcia zmiennych losowych pojawiły się w pracy Andrieja Kołmogorowa z 1933 roku, kiedy to opracował on aksjomaty probabilistyczne. Koncepcja ta została szybko przyjęta w statystyce matematycznej i w kolejnych dziedzinach nauki.

Powiązane pojęcia

W literaturze spotyka się także terminy pokrewne, takie jak proces stochastyczny, łańcuch Markowa czy zmienna losowa wektorowa, które rozszerzają ideę zmiennej losowej na przypadki wielowymiarowe i dynamiczne.

Literatura

• Andrzej Kołmogorow, Fundamenty teorii prawdopodobieństwa, 1933.
• William Feller, Introduction to Probability Theory and Its Applications, vol. I, 1968.
• Karl Pearson, On the Criterion that a Given System of Deviations from the Probable Is Acceptable, 1900.