Wybrane rozkłady zmiennych losowych i ich charakterystyki

Podobne dokumenty
Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5.

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA

σ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;

Rozkłady zmiennych losowych

Statystyka matematyczna

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 2 i 3 Zmienna losowa

Podstawy rachunku prawdopodobieństwa (przypomnienie)

Na A (n) rozważamy rozkład P (n) , który na zbiorach postaci A 1... A n określa się jako P (n) (X n, A (n), P (n)

Metody probabilistyczne Rozwiązania zadań

Statystyka matematyczna

Prawdopodobieństwo i statystyka

Rozkłady prawdopodobieństwa zmiennych losowych

Różne rozkłady prawdopodobieństwa

Ćwiczenia 7 - Zmienna losowa i jej rozkład. Parametry rozkładu.

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty

07DRAP - Zmienne losowe: dyskretne i ciągłe

Przestrzeń probabilistyczna

Rachunek prawdopodobieństwa Rozdział 4. Zmienne losowe

Temat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły. Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga. Anna Rajfura, Matematyka

Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego

Wykład 3 Jednowymiarowe zmienne losowe

PRAWDOPODOBIEŃSTWO. ZMIENNA LOSOWA. TYPY ROZKŁADÓW

Zmienna losowa. Rozkład skokowy

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

Prawdopodobieństwo i statystyka

Przegląd ważniejszych rozkładów

W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:

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

Prawdopodobieństwo i statystyka

Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX = 4 i EY = 6. Rozważamy zmienną losową Z =.

Elementy Rachunek prawdopodobieństwa

Najczęściej spotykane rozkłady dyskretne:

Biostatystyka, # 3 /Weterynaria I/

Jednowymiarowa zmienna losowa

Materiały dydaktyczne. Matematyka. Semestr III. Wykłady

PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA. Piotr Wiącek

Przykłady do zadania 3.1 :

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.

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

Wykład z analizy danych: powtórzenie zagadnień z rachunku prawdopodobieństwa

Matematyka z el. statystyki, # 3 /Geodezja i kartografia II/

1 Przestrzeń zdarzeń elementarnych

g) wartość oczekiwaną (przeciętną) i wariancję zmiennej losowej K.

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

Statystyka. Magdalena Jakubek. kwiecień 2017

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

Rachunek prawdopodobieństwa i statystyka

Wybrane rozkłady zmiennych losowych. Statystyka

Rozkłady zmiennych losowych

Ważne rozkłady i twierdzenia

Wykład 4. Zmienne losowe i ich rozkłady

STATYSTYKA MATEMATYCZNA dla ZPM I dr inż Krzysztof Bryś wyk lad 1,2 KLASYCZNY RACHUNEK PRAWDOPODOBIEŃSTWA

PODSTAWOWE ROZKŁADY ZMIENNYCH LOSOWYCH

Rozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej

STYSTYSTYKA dla ZOM II dr inż Krzysztof Bryś Wykad 1

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

III. ZMIENNE LOSOWE JEDNOWYMIAROWE

Laboratorium nr 7. Zmienne losowe typu skokowego.

Rachunek Prawdopodobieństwa i Statystyka

Kwantyle. Kwantyl rzędu p rozkładu prawdopodobieństwa to taka liczba x p. , że. Możemy go obliczyć z dystrybuanty: P(X x p.

Rozkłady i ich dystrybuanty 16 marca F X (t) = P (X < t) 0, gdy t 0, F X (t) = 1, gdy t > c, 0, gdy t x 1, 1, gdy t > x 2,

Zmienne losowe ciągłe i ich rozkłady

Rozkłady prawdopodobieństwa

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych

Zmienne losowe. Powtórzenie. Dariusz Uciński. Wykład 1. Instytut Sterowania i Systemów Informatycznych Universytet Zielonogórski

Metoda momentów i kwantyli próbkowych. Wrocław, 7 listopada 2014

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

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

Statystyka matematyczna dla leśników

Statystyka w analizie i planowaniu eksperymentu

1 Elementy kombinatoryki i teorii prawdopodobieństwa

AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej ROZKŁAD NORMALNY ROZKŁAD GAUSSA

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

1 Rozklady dyskretne. Rachunek p-stwa Przeksztalcenia zmiennych losowych. 2. Rozklad dwumianowy. 3. Rozklad Poissona

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

Wybrane rozkłady zmiennych losowych. Statystyka

Definicja Mówimy, że zmienna losowa X ma rozkład gamma, jeśli jej funkcja gęstości jest określona wzorem

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

Statystyka. Wydział Zarządzania Uniwersytetu Łódzkiego

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

Rozkłady statystyk z próby

Wykład 7 Testowanie zgodności z rozkładem normalnym

WYKŁAD 3. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

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

Colloquium 3, Grupa A

Zwiększenie wartości zmiennej losowej o wartość stałą: Y=X+a EY=EX+a D 2 Y=D 2 X

Zmienne losowe ciągłe i ich rozkłady

ZMIENNE LOSOWE. Zmienna losowa (ZL) X( ) jest funkcją przekształcającą przestrzeń zdarzeń elementarnych w zbiór liczb rzeczywistych R 1 tzn. X: R 1.

P k k (n k) = k {O O O} = ; {O O R} =

Liczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 16 zaliczenie z oceną

Zadanie 1. Ilość szkód N ma rozkład o prawdopodobieństwach spełniających zależność rekurencyjną:

Zadania ze statystyki, cz.6

Zmienne losowe. Rozkład prawdopodobieństwa i dystrybuanta. Wartość oczekiwana i wariancja zmiennej losowej

Statystyka w analizie i planowaniu eksperymentu

6.4 Podstawowe metody statystyczne

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

Wstęp do Rachunku Prawdopodobieństwa, IIr. WMS

Zadania z Rachunku Prawdopodobieństwa II Podać przykład rozkładów prawdopodobieństwa µ n, µ, takich, że µ n µ,

Transkrypt:

Rozdział 1 Wybrane rozłady zmiennych losowych i ich charaterystyi 1.1 Wybrane rozłady zmiennych losowych typu soowego 1.1.1 Rozład równomierny Rozpatrzmy esperyment, tóry może sończyć się jednym z n możliwych wyniów ze zbioru W X = {x 1, x 2,..., x n } (wyniiem jest tu liczba rzeczywista), z tórych ażdy wyni jest jednaowo prawdopodobny. Np. taim esperymentem może być losowanie jednej uli z urny zawierającej n ul oznaczonych różnymi liczbami x 1, x 2,..., x n. Niech zmienna losowa X oznacza liczbę na wylosowanej uli. Wówczas P (X = x i ) = 1 n, (1.1) dla ażdego x i W X. Mówimy, że zmienna losowa X ma rozład równomierny na zbiorze W X, jeżeli jest on oreślony wzorem (1.1). Wartość oczeiwana zmiennej losowej o rozładzie równomiernym wyraża się wzorem E(X) = n i=1 x i 1 n = 1 n n x i = x, i=1 Var(X) = 1 n x 2 i ( x) 2. n i=1 1

1.1.2 Rozład dwumianowy B(n, p) Rozpatrzmy esperyment, tóry może sończyć się jednym z dwóch możliwych wyniów, tóre to wynii można interpretować jao suces, oznaczany przez 1, i porażę, oznaczaną przez 0. Niech p oznacza prawdopodobieństwo sucesu. Tai esperyment nazywamy próbą Bernoulliego z prawdopodobieństwem sucesu p. Jeżeli esperyment ten powtarzamy n razy, ta, że wynii w poszczególnych roach są wzajemnie niezależne, to tai n-elementowy ciąg esperymentów nazywamy schematem Bernoulliego. Niech X oznacza liczbę sucesów w n próbach Bernoulliego z prawdopodbieństwen sucesu p. Wówczas dla = 0, 1, 2,..., n. P (X = ) = ( ) n p (1 p) n, (1.2) Mówimy, że zmienna losowa X ma rozład dwumianowy z parametrami n i p, oznaczany przez B(n, p), jeżeli jest on oreślony wzorem (1.2). Wartość oczeiwana zmiennej losowej X o rozładzie dwumianowym B(n, p) jest postaci E(X) = np, Var(X) = np(1 p). Fat 1 Jeżeli zmienna losowa X ma rozład dwumianowy B(n, p) oraz (n + 1)p jest liczbą całowitą, to zmienna X ma dwie wartości modalne (n + 1)p oraz (n + 1)p 1; jeżeli natomiast (n + 1)p nie jest liczbą, to wartość modalna zmiennej losowej X wynosi [(n + 1)p], gdzie [a] oznacza najwięszą liczbę całowitą nie przeraczającą a. 1.1.3 Rozład ujemny dwumianowy (Pascala) N B(r, p) Zmienna losowa X ma rozład ujemny dwumianowy N B(r, p) (rozład Pascala) z parametrami r i p, r N, p (0, 1), jeżeli jej funcja prawdopodobieństwa jest postaci p = P (X = ) = dla = 0, 1,.... ( ) r + 1 p (1 p) r, r 1 Zmienną losową o rozładzie ujemnym dwumianowym z parametrami r i p można interpretować jao liczbę sucesów w próbach Bernoulliego z prawdopodobieństwem sucesu 2

p, prowadzonych do momentu uzysania r-tej porażi. W przypadu, gdy r = 1, rozład ujemny dwumianowy nazywany jest rozładem geometrycznym z parametrem p. Wartość oczeiwana zmiennej losowej X o rozładzie ujemnym dwumianowym N B(r, p) jest postaci E(X) = Var(X) = rp 1 p, rp (1 p) 2. 1.1.4 Rozład hipergeometryczny H(N, M, n) Zmienna losowa X ma rozład hipergeometryczny H(N, M, n) z parametrami N, M, n, gdzie N, M, n są liczbami naturalnymi oraz M N i n N, jeżeli jej funcja prawdopodobieństwa jest postaci p = P (X = ) = ( )( ) M N M n ( ), N n dla = max{0, n + M N},..., min{n, M}. Zmienna losowa X o rozładzie hipergeometrycznym ma następującą interpretację: jest ona liczbą elementów mających wyróżnioną cechę A wśród n elementów wylosowanych bez zwracania ze zbioru N elementów, wśród tórych przed rozpoczęciem losowania znajdowało się M elementów mających cechę A. Fat 2 W przypadu, gdy N jest duże w stosunu do n, to rozład hipergeometryczny można przybliżać rozładem dwumianowym, tzn. gdzie p = M/N. ( M )( ) N M n ( ) N n ( ) n p (1 p) n, 3

1.1.5 Rozład Poissona P(λ) Zmienna losowa X ma rozład Poissona P(λ) z parametrem λ, λ > 0, jeżeli jej funcja prawdopodobieństwa jest postaci = 0, 1, 2,.... p = P (X = ) = λ! e λ, Wartość oczeiwana zmiennej losowej X o rozładzie Poissona P(λ) jest postaci E(X) = λ, Var(X) = λ. Rozład Poissona ma zastosowania opisane w poniższym facie. Fat 3 Dla dużych n rozład dwumianowy B(n, p) można przybliżać rozładem Poissona, tzn. gdzie λ = np. ( n )p (1 p) n λ! e λ, Przybliżenie to jest dla celów pratycznych wystarczająco doładne, gdy n 50, p 0.1, np 10. 1.2 Wybrane rozłady zmiennych losowych typu ciągłego 1.2.1 Rozład jednostajny U(a, b) na odcinu [a, b] Zmienna losowa ma rozład jednostajny U(a, b) na odcinu [a, b], jeżeli jej funcja gęstości wyraża się wzorem 1 f(x) = b a, gdy x [a, b], 0, gdy x / [a, b]. 4

Dystrybuanta rozładu jednostajnego na odcinu [a, b] wyraża się wzorem 0, gdy x a F (x) = x a b a, gdy a < x b, 1, gdy x > b. Wartość oczeiwana zmiennej losowej X o rozładzie jednostajnym U(a, b) na odcinu [a, b] jest postaci E(X) = (a + b)/2, Var(X) = (b a) 2 /12. 1.2.2 Rozład wyładniczy E(λ) Zmienna losowa ma rozład wyładniczy E(λ) z parametrem λ, jeżeli jej funcja gęstości wyraża się wzorem 1 f(x) = λ exp{ x λ }, gdy x > 0, 0, gdy x 0. Dystrybuanta rozładu E(λ) wyraża się wzorem 1 exp{ F (x) = λ x }, gdy x > 0, 0, gdy x 0. Wartość oczeiwana zmiennej losowej X o rozładzie wyładniczym E(λ) jest postaci E(X) = λ, Var(X) = λ 2. 1.2.3 Rozład normalny N (µ, σ 2 ) Zmienna losowa ma rozład normalny N (µ, σ 2 ) z parametrami µ R i σ (0, ), jeżeli jej funcja gęstości wyraża się wzorem f(x) = 1 [ exp 2πσ ] (x µ)2. 2σ 2 Rozład normalny N (0, 1) nazywamy standardowym rozładem normalnym. Nie istnieje jawna postać dystrybuanty rozładu normalnego. 5

Fat 4 Jeżeli zmienna losowa X ma rozład normalny N (µ, σ 2 ), to zmienna losowa Y = X µ σ ma rozład N (0, 1) (standardowy rozład normalny). Powyższe przeształcenie zmiennej losowej X nazywamy standaryzacją zmiennej losowej. Z powyższego fatu wynia, że wartość dystrybuanty dowolnego rozładu normalnego N (µ, σ 2 ), można wyrazić przez odpowiednią wartość dystrybuanty standardowego rozładu normalnego N (0, 1). Doładnie opisuje to poniższy wniose. Wniose 1 Jeżeli zmienna losowa X ma rozład normalny N (µ, σ 2 ), to ( X µ P (X x) = P x µ ) ( ) x µ = Φ, σ σ σ gdzie Φ oznacza dystrybuantę zmiennej losowej o standardowym rozładzie normalnym. Dla dodatnich wartości argumentów x (gdzie x jest dane z doładnością do dwóch miejsc po przecinu), wartości dystrybuanty standardowego rozładu normalnego są stablicowane. Stąd, że gęstość standardowego rozładu normalnego jest funcją parzystą, jej wyres jest symetryczny względem osi Y, mamy, że dla ujemnych wartości argumentów x wartość dystrybuanty standardowego rozładu normalnego jest równa Φ(x) = 1 Φ( x), gdzie Φ( x) możemy już odczytać z tablic wartości dystrybuanty standardowego rozładu normalnego. Przyład 1 Niech X będzie zmienną losową o rozładzie normalnym N (1, 4). Wówczas ( X 1 P (X 2) = P 2 1 ) ( 1 = Φ = 0, 6915, 2 2 2) gdzie Φ oznacza dystrybuantę zmiennej losowej o standardowym rozładzie normalnym i wartość Φ ( ) 1 2 została odczytana z tablic wartości dystrybuanty rozładu normalnego. Wartość oczeiwana zmiennej losowej X o rozładzie normalnym N (µ, σ 2 ) jest postaci E(X) = µ, Var(X) = σ 2. 6