สัญลักษณ์และข้อกำหนดในทฤษฎีความน่าจะเป็นและสถิติ
สรุปใจความสำคัญ
- ตัวแปรสุ่ม (Random Variables) มักเขียนด้วยตัวพิมพ์ใหญ่ (X, Y) เพื่อแยกจากค่าที่เกิดขึ้นจริง (Realizations) ซึ่งเขียนด้วยตัวพิมพ์เล็ก (x, y)
- สัญลักษณ์ $\mathbb{P}$ หรือ $\Pr$ ถูกใช้เพื่อระบุความน่าจะเป็นของเหตุการณ์หรือตัวแปรสุ่ม
- ฟังก์ชันความหนาแน่นความน่าจะเป็น (PDF) ใช้ตัวพิมพ์เล็ก (f) ในขณะที่ฟังก์ชันการแจกแจงสะสม (CDF) ใช้ตัวพิมพ์ใหญ่ (F)
- การแจกแจงปกติมาตรฐานมีสัญลักษณ์เฉพาะคือ $\varphi$ สำหรับ PDF และ $\Phi$ สำหรับ CDF
ในสาขาวิชาทฤษฎีความน่าจะเป็นและสถิติ มีการใช้ข้อกำหนดและสัญลักษณ์ทางคณิตศาสตร์เฉพาะทางนอกเหนือจากสัญลักษณ์มาตรฐาน เพื่อให้การสื่อสารข้อมูลทางคณิตศาสตร์มีความแม่นยำและลดความคลุมเครือ โดยเฉพาะการแยกแยะระหว่างแนวคิดเชิงทฤษฎีและค่าที่เกิดขึ้นจริง
สัญลักษณ์ในทฤษฎีความน่าจะเป็น
การเขียนสัญลักษณ์ในทฤษฎีความน่าจะเป็นมีจุดประสงค์หลักเพื่อแยกแยะระหว่าง ตัวแปรสุ่ม (Random Variables) และ ค่าที่เกิดขึ้นจริง (Realizations)
ตัวแปรสุ่มและค่าที่เกิดขึ้นจริง
โดยทั่วไป ตัวแปรสุ่มจะเขียนด้วยตัวอักษรโรมันตัวพิมพ์ใหญ่ เช่น X หรือ Y ซึ่งในบริบทนี้ ตัวแปรสุ่มหมายถึงแนวคิดหรือคุณลักษณะที่ต้องการวัด เช่น "ความสูงของกลุ่มตัวอย่าง" (สำหรับตัวแปรต่อเนื่อง) หรือ "จำนวนรถในลานจอดรถ" (สำหรับตัวแปรไม่ต่อเนื่อง) ตัวแปรสุ่มไม่ได้แทนค่าตัวเลขเพียงค่าเดียว แต่แทนความเป็นไปได้ทั้งหมดของผลลัพธ์

ในขณะที่ค่าที่เกิดขึ้นจริงหรือผลลัพธ์เฉพาะของตัวแปรสุ่ม จะเขียนด้วยตัวอักษรตัวพิมพ์เล็กที่สอดคล้องกัน เช่น x ตัวอย่างเช่น หากเขียนว่า $P(X=x)$ จะหมายถึงความน่าจะเป็นที่ตัวแปรสุ่ม $X$ (เช่น ความสูง) จะมีค่าเท่ากับค่าเฉพาะ $x$ (เช่น 1.735 เมตร)

สำหรับการเก็บข้อมูลเป็นกลุ่มตัวอย่าง (Sample) จะเขียนในรูปแบบ $x_1, x_2, …, x_n$ เพื่อแสดงถึงชุดของค่าที่เกิดขึ้นจริงจากตัวแปรสุ่ม $X$

การเขียนความน่าจะเป็นและเหตุการณ์
ความน่าจะเป็นมักเขียนแทนด้วยสัญลักษณ์ $P$ หรือ $\mathbb{P}$ เพื่อแยกแยะออกจากฟังก์ชันอื่น ๆ หรือใช้ $\Pr(A)$ เพื่อระบุความน่าจะเป็นของเหตุการณ์ $A$

การเขียน $P(X \in A)$ เป็นรูปย่อของ $P(\{\omega \in \Omega : X(\omega) \in A\})$ โดยที่ $\Omega$ คือปริภูมิตัวอย่าง (Sample Space), $X$ คือตัวแปรสุ่มที่เป็นฟังก์ชันของ $\omega$ และ $\omega$ คือผลลัพธ์ที่สนใจในโดเมนที่กำหนดโดย $\Omega$

การดำเนินการทางเซตและความน่าจะเป็นร่วม
- ความน่าจะเป็นร่วม (Joint Probability): $P(A \cap B)$ หรือ $P[B \cap A]$ หมายถึงความน่าจะเป็นที่เหตุการณ์ $A$ และ $B$ จะเกิดขึ้นพร้อมกัน
- ความน่าจะเป็นของเหตุการณ์ใดเหตุการณ์หนึ่ง (Union): $P(A \cup B)$ หมายถึงความน่าจะเป็นที่เหตุการณ์ $A$ หรือ $B$ (หรือทั้งคู่) จะเกิดขึ้น
- การแจกแจงความน่าจะเป็นร่วม (Joint Distribution): สำหรับตัวแปรสุ่ม $X$ และ $Y$ จะใช้สัญลักษณ์ $P(X, Y)$ โดยมีฟังก์ชันมวลความน่าจะเป็น (PMF) หรือฟังก์ชันความหนาแน่นความน่าจะเป็น (PDF) แทนด้วย $f(x, y)$ และฟังก์ชันการแจกแจงสะสม (CDF) แทนด้วย $F(x, y)$
ฟังก์ชันทางสถิติที่สำคัญ
- ฟังก์ชันความหนาแน่นความน่าจะเป็น (PDF) และฟังก์ชันมวลความน่าจะเป็น (PMF): ใช้ตัวอักษรพิมพ์เล็ก เช่น $f(x)$ หรือ $f_X(x)$
- ฟังก์ชันการแจกแจงสะสม (CDF): ใช้ตัวอักษรพิมพ์ใหญ่ เช่น $F(x)$ หรือ $F_X(x)$
- ฟังก์ชันการอยู่รอด (Survival Function): มักเขียนแทนด้วย $\overline{F}(x) = 1 - F(x)$ หรือ $S(x)$
- การแจกแจงปกติมาตรฐาน (Standard Normal Distribution): ฟังก์ชัน PDF จะแทนด้วย $\varphi(z)$ และ CDF จะแทนด้วย $\Phi(z)$
คำถามที่พบบ่อย
ทำไมต้องแยกตัวพิมพ์ใหญ่และตัวพิมพ์เล็กในตัวแปรสุ่ม?
เพื่อแยกแยะระหว่าง 'แนวคิด' ของตัวแปรสุ่ม (เช่น ความสูงของคน) ซึ่งเป็นตัวพิมพ์ใหญ่ (X) และ 'ค่าที่วัดได้จริง' (เช่น 170 ซม.) ซึ่งเป็นตัวพิมพ์เล็ก (x)
ความแตกต่างระหว่าง $P(X=x)$ และ $P(X \leq x)$ คืออะไร?
$P(X=x)$ คือความน่าจะเป็นที่ตัวแปรสุ่มจะมีค่าเท่ากับค่าเฉพาะค่าหนึ่ง ส่วน $P(X \leq x)$ คือความน่าจะเป็นสะสม (Cumulative Probability) ที่ตัวแปรสุ่มจะมีค่าน้อยกว่าหรือเท่ากับค่า $x$
สัญลักษณ์ $\Phi(z)$ หมายถึงอะไรในทางสถิติ?
$\Phi(z)$ คือสัญลักษณ์แทนฟังก์ชันการแจกแจงสะสม (Cumulative Distribution Function - CDF) ของการแจกแจงปกติมาตรฐาน (Standard Normal Distribution)