Teoria prawdopodobieństwa
W dzisiejszym świecie Teoria prawdopodobieństwa stał się tematem o dużym znaczeniu i zainteresowaniu szerokiego spektrum społeczeństwa. Od wpływu na codzienne życie ludzi po wpływ na gospodarkę i politykę, Teoria prawdopodobieństwa zdołał przyciągnąć uwagę i wywołać żarliwe debaty w różnych obszarach. Z biegiem czasu jego znaczenie i wpływ wzrastały, co spowodowało rosnące zainteresowanie zrozumieniem jego natury, jego implikacji i możliwych przyszłych konsekwencji. W tym artykule będziemy dalej badać zjawisko Teoria prawdopodobieństwa i omawiać jego znaczenie w obecnym kontekście.
Teoria prawdopodobieństwa, inaczej rachunek prawdopodobieństwa lub probabilistyka[1] – dział matematyki zajmujący się zdarzeniami losowymi. Rachunek prawdopodobieństwa zajmuje się badaniem abstrakcyjnych pojęć matematycznych stworzonych do opisu zjawisk, które nie są deterministyczne: zmiennych losowych w przypadku pojedynczych zdarzeń oraz procesów stochastycznych w przypadku zdarzeń powtarzających się (w czasie). Jako matematyczny fundament statystyki, teoria prawdopodobieństwa odgrywa istotną rolę w sytuacjach, w których konieczna jest analiza dużych zbiorów danych. Jednym z największych osiągnięć fizyki dwudziestego wieku było odkrycie probabilistycznej natury zjawisk fizycznych w skali mikroskopowej, co opisuje mechanika kwantowa.
Matematyczna teoria prawdopodobieństwa sięga swoimi korzeniami do analizy gier losowych podjętej w siedemnastym wieku przez Pierre de Fermata oraz Blaise Pascala[2]. Z tego powodu, początkowo teoria prawdopodobieństwa zajmowała się niemal wyłącznie zjawiskami dyskretnymi i używała metod kombinatorycznych. Zmienne ciągłe zostały wprowadzone do teorii prawdopodobieństwa znacznie później. Za początek stworzenia współczesnej teorii prawdopodobieństwa powszechnie uważa się jej aksjomatyzację, której w 1933 dokonał Andriej Kołmogorow. Współczesna teoria prawdopodobieństwa jest ściśle związana z teorią miary.
Pomimo że wynik pojedynczego rzutu monetą lub kością do gry często z praktycznego punktu widzenia można uważać za nieprzewidywalny, jeżeli eksperyment taki powtórzony zostaje wielokrotnie, mogą pojawić się pewne prawidłowości i wzory statystyczne, które można badać i przewidzieć. Dwa przykłady takich prawidłowości, i kluczowe osiągnięcia rachunku prawdopodobieństwa, to prawo wielkich liczb oraz centralne twierdzenie graniczne.
Uczeni
- Pierre de Fermat (1601–1665)
- Blaise Pascal (1623–1662)
- Christiaan Huygens (1629–1695)
- Jakob Bernoulli (1654–1705)
- Abraham de Moivre (1667–1754)
- Thomas Bayes (1702–1761)
- Georges-Louis Leclerc de Buffon (1707–1788)
- Pierre Simon de Laplace (1749–1827)
- Carl Friedrich Gauss (1777–1855)
- Siméon Denis Poisson (1781–1840)
- Richard von Mises (1883–1953)
- Andriej Kołmogorow (1903–1987)
Zobacz też
- przestrzeń probabilistyczna
- prawdopodobieństwo
- zdarzenie elementarne
- zdarzenie losowe
- zmienna losowa
Przypisy
Linki zewnętrzne
- Rachunek prawdopodobieństwa i statystyka (materiały dydaktyczne MIMUW na studia informatyczne I stopnia)
Probability theory (ang.), Encyclopedia of Mathematics, encyclopediaofmath.org, .
