1
Materiaùy do zastosowañ metod probabilistycznych.
K.Lubnauer
Czêœã 2
Zmienna losowa
Teoria
Definicja 1
Niech
P
F ,
,
bêdzie przestrzeni¹ probabilistyczn¹. Zmienn¹ losow¹ nazywamy
ka¿d¹ funkcjê rzeczywist¹ X speùniaj¹c¹ jeden z poni¿szych warunków:
(i)
dla dowolnego
R
a
mamy
F
a
X
:
(ii)
dla dowolnego
R
a
mamy
F
a
X
:
(iii)
dla dowolnego
R
a
mamy
F
a
X
:
(iv)
dla dowolnego
R
a
mamy
F
a
X
:
(v)
dla dowolnego
R
A
mamy
F
A
X
1
,
gdzie
R
-ciaùo zbiorów borelowskich na R.
Uwaga
-ciaùo zbiorów borelowskich na R to najmniejsze
-ciaùo zawieraj¹ce wszystkie
przedziaùy.
Definicja 2 (Rozkùad zmiennej losowej)
Rozkùadem zmiennej losowej X okreœlonej na przestrzeni
P
F ,
,
nazywamy miarê
prawdopodobieñstwa okreœlon¹ wzorem: dla dowolnego
R
A
A
X
P
A
X
P
A
P
X
1
:
.
Przykùad 1
Rzucamy 3 razy monet¹. Niech X iloœã wyrzuconych orùów. Znajdêmy rozkùad X.
r
r
r
r
r
o
r
o
r
o
r
r
o
o
r
o
r
o
r
o
o
o
o
o
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
. Mamy do
czynienia z modelem klasycznym czyli
A
A
P
, gdzie
8
. Zmienna X przyjmuje
wartoœci
3
,
2
,
1
,
0
odpowiednio z prawdopodobieñstwem:
8
1
,
,
0
0
0
1
r
r
r
P
X
P
P
P
X
X
8
3
,
,
,
,
,
,
,
,
1
1
1
1
r
r
o
r
o
r
o
r
r
P
X
P
P
P
X
X
8
3
,
,
,
,
,
,
,
,
2
2
2
1
o
r
o
r
o
o
o
o
r
P
X
P
P
P
X
X
8
1
,
,
3
3
3
1
o
o
o
P
X
P
P
P
X
X
.
Co mo¿emy zapisaã te¿ w tabeli:
id443477 pdfMachine by Broadgun Software - a great PDF writer! - a great PDF creator! - http://www.pdfmachine.com http://www.broadgun.com
2
i
x
0
1
2
3
i
X
x
P
8
1
8
3
8
3
8
1
Twierdzenie 1
Rozkùad zmiennej losowej jest miar¹ prawdopodobieñstwa na
R
R
,
.
Dowód
Niech
X
P
rozkùad zmiennej losowej X okreœlonej na przestrzeni
P
F ,
,
okreœlony
wzorem dla dowolnego
R
A
A
X
P
A
X
P
A
P
X
1
:
.
Poka¿emy, ¿e speùnia on aksjomaty z definicji 2 z czêœci 1.
(i)
oczywistym jest z definicji i¿ dla dowolnego
R
A
mamy
0
1
A
X
P
A
P
X
.
(ii)
policzmy teraz
1
1
P
X
P
P
X
R
R
,
(iii)
Niech
,...
3
,
2
,
1
,
i
A
i
R
oraz
j
i
A
A
dla
j
i
,(czyli s¹ parami
rozù¹czne) to z wùasnoœci przeciwobrazu ( przeciwobraz sumy zbiorów
równy jest sumie przeciwobrazów i przeciwobrazy zbiorów rozù¹cznych s¹
rozù¹czne ) oraz z wùasnoœci P mamy
1
1
1
1
1
1
1
1
i
i
X
i
i
n
i
i
i
i
i
i
X
A
P
A
X
P
A
X
P
A
X
P
A
P
.
Pokazaliœmy, ¿e rozkùad jest miar¹ probabilistyczn¹ na
R
R
,
, rodzi siê pytanie
odwrotne: czy ka¿da miara unormowana na
R
R
,
. jest rozkùadem pewnej zmiennej
losowej?
Okazuje siê, ¿e odpowiedê jest pozytywna.
Twierdzenie 2
Ka¿da miara unormowana na
R
R
,
jest rozkùadem pewnej zmiennej losowej.
Dowód
Niech
P
pewna miara unormowana (probabilistyczna) na
R
R
,
, przyjmijmy teraz
R
R
F
,
oraz X zmienna losowa okreœlona wzorem
X
. Oczywiœcie
R
:
X
oraz mamy dla dowolnego
R
A
:
A
P
A
P
A
X
P
A
P
X
:
:
. St¹d
X
P
P
, czyli P rozkùad
pewnej zmiennej losowej X
Uwaga
Dlatego miary probabilistyczne na
R
R
,
nazywamy rozkùadami.
Definicja 3(Dystrybuanta rozkùadu)
3
Niech P rozkùad na
R
R
,
, dystrybuant¹ rozkùadu P nazywamy funkcjê F okreœlon¹
nastêpuj¹co:
1
,
0
:
X
F
,
x
P
x
F
,
,
R
x
.
Przykùad 2
Rzucamy 2 razy monet¹. Niech X iloœã wyrzuconych orùów,
2
,
1
,
0
X
i mamy:
4
1
2
,
2
1
1
,
4
1
0
X
X
X
P
P
P
, st¹d
2
,
1
2
1
,
2
1
4
1
1
0
,
4
1
0
,
0
x
x
x
x
x
F
.
Jest to przykùad dystrybuanty rozkùadu dyskretnego (patrz definicja 4), przykùad
dystrybuanty dla przypadku ci¹gùego(definicja 5) mamy po Twierdzeniu 5
Twierdzenie 3 ( wùasnoœci dystrybuanty )
Dystrybuanta F rozkùadu prawdopodobieñstwa P na
R
R
,
ma nastêpuj¹ce
wùasnoœci:
(i)
F niemalej¹ca,
(ii)
F lewostronnie ci¹gùa,
(iii)
1
lim
,
0
lim
x
F
x
F
x
x
.
Dowód
(i)
Niech
2
1
x
x
wtedy
2
1
,
,
x
x
i z monotonicznoœci P mamy:
2
2
1
1
,
,
x
F
x
P
x
P
x
F
, czyli F niemalej¹ca.
(ii)
Poka¿emy, ¿e
O
x
x
x
F
x
F
O
lim
, Poniewa¿ F niemalej¹ca wiêc
granica
x
F
O
x
x
lim
istnieje i mo¿emy wzi¹ã dowolny rosn¹cy ci¹g
n
x
zbie¿ny
lewostronnie do
O
x
i zbadaã czy granica
O
n
x
x
x
F
x
F
O
n
lim
. Zauwa¿my, ¿e
O
O
n
n
n
x
x
n
x
x
x
F
x
P
x
P
x
P
x
F
O
n
O
n
,
,
,
lim
lim
1
z
ci¹gùoœci P.
(iii)
Poniewa¿ F monotoniczna i ograniczona wiêc niew¹tpliwie posiada
skoñczone granice w
i
, policzymy je wiêc dla ustalonych ci¹gów
0
,
,
lim
lim
1
P
n
P
n
P
n
F
n
n
n
i analogicznie
1
,
,
lim
lim
1
P
n
P
n
P
n
F
n
n
n
.
Wùasnoœã
F jako funkcja niemalej¹ca i ograniczona ma skoñczon¹ liczbê punktów nieci¹gùoœci.
Dowód
4
Rzeczywiœcie, niech dla
n
x
F
x
F
x
E
n
n
1
:
,
R
N
(gdzie
x
F
oznacza
granicê prawostronn¹ w punkcie x), wtedy
n
E
n
. Istotnie przypuœãmy ¿e
n
m
E
n
,
wtedy mielibyœmy dla
m
x
x
x
x
...
3
2
1
nale¿¹cych do
n
E
:
1
1
...
1
1
....
1
2
2
1
1
n
n
n
x
F
x
F
x
F
x
F
x
F
x
F
m
m
bo
n
m
,
czyli otrzymujemy sprzecznoœã. Tak wiêc
n
E
n
, zatem
1
n
n
E
E
jest przeliczalny.
Zauwa¿my jeszcze, ¿e E to zbiór punktów nieci¹gùoœci F i mamy tezê.
Twierdzenie 4
Ka¿da funkcja speùniaj¹ca warunki (i)-(iii) jest dystrybuant¹ pewnego, i jednego
rozkùadu na
R
R
,
.
Dowód
Poniewa¿ przedziaùy postaci
x
,
generuj¹
R
wiêc mo¿emy zdefiniowaã miarê
jednoznacznie na
R
R
,
wzorem
x
F
x
P
,
.
Wùasnoœci dystrybuanty:
Niech F bêdzie dystrybuant¹ rozkùadu P. Dla dowolnych
b
a
b
a
,
,
R
mamy:
(i)
b
F
b
P
,
,
(ii)
b
F
b
P
,
,
(iii)
a
F
a
P
1
,
,
(iv)
a
F
a
P
1
,
,
(v)
a
F
b
F
b
a
P
,
,
(vi)
a
F
b
F
b
a
P
,
,
(vii)
a
F
b
F
b
a
P
,
,
(viii)
a
F
b
F
b
a
P
,
,
(ix)
a
F
a
F
a
P
.
Wùasnoœci te s¹ proste do wykazania i pozostawiam do samodzielnego dowodzenia.
Definicja 4
Rozkùad P nazywamy rozkùadem dyskretnym lub typu skokowego je¿eli istnieje zbiór
przeliczalny (mo¿e byã skoñczony) taki, ¿e
1
E
P
i
E
R
.
Je¿eli
,....
,
,
3
2
1
x
x
x
E
to aby zdefiniowaã rozkùad dyskretny wystarczy podaã
wartoœci P dla zbiorów jednopunktowych zawieraj¹cych elementy z E.
Jeœli
i
i
p
x
P
to oczywiœcie
1
1
i
i
p
.
Definicja 5
5
Rozkùad P nazywamy rozkùadem ci¹gùym lub typu ci¹gùego je¿eli istnieje taka funkcja
nieujemna f,
1
R
dt
t
f
, zwana gêstoœci¹ rozkùadu P taka, ¿e dystrybuanta F rozkùadu
P wyra¿a siê wzorem:
x
dt
t
f
x
F
lub równowa¿nie dla dowolnego
R
A
mamy:
A
dt
t
f
A
P
.
Zauwa¿my, ¿e gêstoœã nie jest wyznaczona jednoznacznie i jest to pewna klasa funkcji
równych sobie poza zbiorem miary 0.
Podstawowe rozkùady prawdopodobieñstwa:
Dyskretne:
a. rozkùad jednopunktowy.
1
,
a
P
a
R
. Wtedy
A
a
A
a
A
P
,
0
,
1
.
b. rozkùad dwupunktowy.
1
,
,
,
,
q
p
q
b
P
p
a
P
b
a
R
. Rodzajem rozkùadu dwupunktowego
jest rozkùad 0-1 (zero-jedynkowy), gdy a=1, b=0
c. rozkùad dwumianowy, Bernouliego.
N
n
, dla dowolnego
n
k
,...,
2
,
1
,
0
mamy
k
n
k
n
q
p
k
n
k
P
k
P
, gdzie
1
q
p
oraz zwyczajowo p nazywamy prawdopodobieñstwem sukcesu, a q
pora¿ki, zaœ
k
P
n
oznacza prawdopodobieñstwo k sukcesów w n próbach
(doœwiadczeniach). Oczywiœcie
1
0
n
k
n
k
P
.
d. rozkùad Poissona z parametrem
0
.
Dla dowolnego
,....
2
,
1
,
0
k
, mamy
!
k
e
k
P
k
. Oczywiœcie
1
0
k
k
P
.
e. geometryczny.
Dla dowolnego
,....
2
,
1
,
0
k
, mamy
p
q
k
P
k
, gdzie
1
q
p
.
k
P
oznacza
prawdopodobieñstwo k pora¿ek poprzedzaj¹cych pierwszy sukces. Oczywiœcie
1
0
k
k
P
.
Ci¹gùe:
f. rozkùad jednostajny nad odcinkiem
b
a,
.
Definiujemy go funkcj¹ gêstoœci f:
b
a
x
b
a
x
a
b
x
f
,
,
0
,
,
1
.
g. rozkùad Couchiego.
6
Definiujemy go funkcj¹ gêstoœci f:
2
1
1
x
x
f
.
h. rozkùad normalny, Gaussa z parametrami
,
m
.(
,
m
N
)
Definiujemy go funkcj¹ gêstoœci f:
2
2
2
2
1
m
x
e
x
f
.
Dla rozkùadu Gaussa nie jesteœmy w stanie podaã wzoru na dystrybuantê, a
wartoœci dystrybuanty rozkùadu standardowego
1
,
0
N
dla poszczególnych
punktów mo¿emy znaleêã w tablicach matematycznych. Aby móc z tego
skorzystaã zauwa¿my, ¿e jeœli X ma rozkùad
,
m
N
to zmienna
m
X
Y
ma
rozkùad
1
,
0
N
i dziêki temu korzystamy z tablic dla dowolnego rozkùadu
Gaussa. Proces powy¿szy nazywamy standaryzacj¹ rozkùadu Gaussa.
Czasami stoimy przed odwrotnym problemem, zamiast na podstawie gêstoœci szukaã
dystrybuanty musimy znaj¹c dystrybuantê znaleêã gêstoœã, wtedy w okreœlonych
przypadkach mo¿emy zastosowaã wiedzê z analizy i otrzymujemy reguùê:
Twierdzenie 5
Je¿eli dystrybuanta F rozkùadu P jest funkcj¹ ci¹gù¹, ró¿niczkowaln¹ poza skoñczon¹
iloœci¹ punktów i jej pochodna jest ci¹gùa w swojej dziedzinie to funkcja
F
f
prawie wszêdzie (czyli poza zbiorem miary zero).
Dowód
Twierdzenie to jest wnioskiem z teorii caùki i pozostawiam je bez dowodu.
Przykùad 3
Z odcinka (-3,3) losujemy punkt. Niech zmienna X odlegùoœã punktu od 0.
Rys 1
Policzymy dystrybuantê zmiennej X i o ile istnieje jej gêstoœã. Zauwa¿my, ¿e
A
A
P
F
,
,
3
,
3
R
, czyli mamy do czynienia z prawdopodobieñstwem
7
geometrycznym. Policzmy teraz
3
,
1
3
0
,
,
0
,
0
:
3
,
3
:
t
dla
t
dla
t
t
P
t
dla
t
x
X
x
P
t
X
P
t
F
3
,
1
3
0
,
6
2
0
,
0
3
,
1
3
0
,
3
,
3
,
0
,
0
t
dla
t
dla
t
t
dla
t
dla
t
dla
t
t
t
dla
Zauwa¿my, ¿e funkcja F jest ci¹gùa i ró¿niczkowalna poza zbiorem {0,3}, liczymy jej
pochodn¹:
3
,
0
,
3
1
3
0
,
0
t
dla
t
t
dla
t
F
czyli jest ona ci¹gùa w dziedzinie i
3
,
0
,
3
1
3
0
,
0
t
dla
t
t
dla
t
f
. Uzupeùniùam funkcjê tak aby byùa okreœlona na caùym
R
.
Definicja 6
Wartoœci¹ oczekiwan¹ zmiennej losowej X nazywamy
R
x
d
xP
X
E
X
, o ile
R
x
d
P
x
X
.
My jednak bêdziemy korzystaã z wzorów wynikaj¹cych z tej definicji odnosz¹cych siê
jednak bezpoœrednio do zmiennych typu dyskretnego lub typu ci¹gùego.
Przypadek dyskretny:
Niech taki, ¿e
1
E
P
i
E
R
.
Je¿eli
,....
,
,
3
2
1
x
x
x
E
taki, ¿e
i
i
p
x
P
i
1
1
i
i
p
, wtedy mamy
,....
2
,
1
k
k
k
p
x
X
E
pod warunkiem, ¿e
,....
2
,
1
k
k
k
p
x
.
Przypadek ci¹gùy:
Niech f gêstoœã rozkùadu zmiennej X, mamy wtedy
R
x
d
x
xf
X
E
, o ile
R
x
d
x
f
x
.
Inne przypadki nie bêd¹ nas interesowaã.
Wùasnoœci wartoœci oczekiwanej
(i)
Jeœli
c
X
z prawdopodobieñstwem 1 to
c
X
E
.
8
(ii)
Jeœli istnieje
X
E
oraz a dowolna staùa rzeczywista to istnieje
aX
E
i
mamy równoœã:
X
aE
aX
E
.
(iii)
Jeœli istniej¹
X
E
oraz
Y
E
to istnieje
Y
X
E
i mamy równoœã:
Y
E
X
E
Y
X
E
.
Powy¿sze wùasnoœci wynikaj¹ z podstawowych wùasnoœci caùki.
Ponadto oczywistymi ale przydatnymi wzorami s¹ wzory na wartoœã oczekiwan¹
funkcji zmiennych losowych
X
g
E
mamy wtedy:
dla przypadku dyskretnego:
,....
2
,
1
k
k
k
p
x
g
X
f
E
pod warunkiem, ¿e
,....
2
,
1
k
k
k
p
x
g
.
dla przypadku ci¹gùego:
R
x
d
x
f
x
g
X
E
, o ile
R
x
d
x
f
x
g
.
Wartoœci oczekiwane podstawowych rozkùadów:
Dyskretne:
a. rozkùad jednopunktowy.
1
,
a
P
a
R
.
a
X
E
b. rozkùad dwupunktowy.
1
,
,
,
,
q
p
q
b
P
p
a
P
b
a
R
.
bq
ap
X
E
, dla rozkùadu 0-1
mamy
p
X
E
.
c. rozkùad dwumianowy, Bernouliego.
N
n
, dla dowolnego
n
k
,...,
2
,
1
,
0
mamy
k
n
k
n
q
p
k
n
k
P
k
P
,
.
0
k
n
k
n
k
n
k
q
kp
X
E
. Policzmy:
n
k
n
k
n
k
n
k
q
p
q
p
0
, ró¿niczkuj¹c teraz stronami po p mamy:
1
1
0
n
k
n
k
n
k
n
k
q
p
n
q
kp
, mno¿¹c teraz przez p otrzymujemy:
1
0
n
k
n
k
n
k
n
k
q
p
np
q
kp
st¹d
np
X
E
, bo
1
q
p
.
d. rozkùad Poissona z parametrem
0
.
Dla dowolnego
,....
2
,
1
,
0
k
, mamy
!
k
e
k
P
k
. Policzmy
e
e
k
e
k
e
k
e
k
ke
X
E
k
k
k
k
k
k
k
k
0
1
1
1
0
!
!
1
!
1
!
, czyli
X
E
.
e. geometryczny.
Dla dowolnego
,....
2
,
1
,
0
k
, mamy
p
q
k
P
k
, gdzie
1
q
p
. ãwiczenie dla
studentów.
Ci¹gùe:
9
f. rozkùad jednostajny nad odcinkiem
b
a,
.
Funkcja gêstoœci f:
b
a
x
b
a
x
a
b
x
f
,
,
0
,
,
1
. Policzmy
2
2
1
2
2
a
b
a
b
a
b
dx
a
b
x
x
d
x
xf
X
E
b
a
R
.
g. rozkùad Couchiego.
Gêstoœã
2
1
1
x
x
f
. Brak wartoœci oczekiwanej bo
R
x
d
x
x
2
1
1
h. rozkùad normalny, Gaussa z parametrami
,
m
.(
,
m
N
)
Funkcja gêstoœci f:
2
2
2
2
1
m
x
e
x
f
. Po dùu¿szych wyliczeniach caùkowaniu
przez podstawienie i przez czêœci otrzymujemy
m
X
E
.
Mo¿na te¿ policzyã dla X standardowego (otrzymamy
0
X
E
). A nastêpnie
dla dowolnego
,
m
N
mamy
m
X
Y
st¹d
m
m
X
E
Y
E
.
Definicja 7
Wariancj¹ zmiennej losowej X posiadaj¹cej wartoœã oczekiwan¹
X
E
definiujemy
wzorem:
2
2
X
E
X
E
X
D
.
Odchyleniem standardowym nazywamy
X
D
2
.
£atwo widaã, ¿e
2
2
2
X
E
X
E
X
D
. Znowu zajmiemy siê tylko przypadkami:
dyskretnym i ci¹gùym.
Przypadek dyskretny:
Niech taki, ¿e
1
E
P
i
E
R
.
Je¿eli
,....
,
,
3
2
1
x
x
x
E
taki, ¿e
i
i
p
x
P
i
1
1
i
i
p
, wtedy mamy
2
,....
2
,
1
,....
2
,
1
2
2
k
k
k
k
k
k
p
x
p
x
X
D
.
Przypadek ci¹gùy:
Niech f gêstoœã rozkùadu zmiennej X, mamy wtedy
2
2
2
R
R
x
d
x
xf
x
d
x
f
x
X
D
.
Wùasnoœci wariancji:
(i)
c
X
X
D
0
2
z prawdopodobieñstwem 1.
10
(ii)
Dla dowolnego
X
D
a
aX
D
a
2
2
2
,
R
.
(iii)
Dla dowolnych zmiennych losowych X,Y mamy
Y
E
X
E
XY
E
Y
D
X
D
Y
X
D
2
2
2
czyli gdy X,Y
nieskorelowane.
Dowód
(i)
Niech
c
X
z prawdopodobieñstwem 1, wtedy
c
X
E
oraz
0
X
E
X
z prawdopodobieñstwem 1. St¹d
0
0
2
2
E
X
E
X
E
.
(ii)
Niech
,
R
a
mamy wtedy
X
D
a
X
E
X
E
a
X
E
X
a
E
X
aE
aX
E
aX
E
aX
E
aX
D
2
2
2
2
2
2
2
2
2
(iii)
Y
D
X
D
Y
X
D
2
2
2
Policzmy
Y
E
X
E
XY
E
Y
D
X
D
Y
E
Y
E
X
E
X
E
Y
XY
X
E
Y
X
E
Y
X
E
Y
X
D
2
2
2
2
2
2
2
2
2
2
2
2
i st¹d widzimy tezê.
Wariancje podstawowych rozkùadów zmiennej losowej
Dyskretne:
a. rozkùad jednopunktowy.
1
,
a
P
a
R
.
0
2
X
D
b. rozkùad dwupunktowy.
1
,
,
,
,
q
p
q
b
P
p
a
P
b
a
R
.
q
b
p
a
X
D
2
2
2
, dla rozkùadu 0-1
mamy
p
X
D
2
.
c. rozkùad dwumianowy, Bernouliego.
N
n
, dla dowolnego
n
k
,...,
2
,
1
,
0
mamy
k
n
k
n
q
p
k
n
k
P
k
P
, st¹d mamy
2
2
0
2
np
q
p
k
X
D
k
n
k
n
k
n
k
. Policzmy:
n
k
n
k
n
k
n
k
q
p
q
p
0
, ró¿niczkuj¹c teraz stronami po p mamy:
1
1
0
n
k
n
k
n
k
n
k
q
p
n
q
kp
, mno¿¹c teraz przez p otrzymujemy:
1
0
n
k
n
k
n
k
n
k
q
p
np
q
kp
, ró¿niczkujemy jeszcze raz i mamy:
1
2
1
2
0
1
n
n
k
n
k
n
k
n
k
q
p
q
p
n
p
n
q
p
k
,mno¿¹c to jeszcze raz przez p i
wstawiaj¹c do wzoru na wariancjê otrzymujemy:
11
npq
p
np
np
p
np
np
np
n
p
np
np
q
p
k
X
D
k
n
k
n
k
n
k
1
1
1
1
2
2
2
0
2
d. rozkùad Poissona z parametrem
0
.
Dla dowolnego
,....
2
,
1
,
0
k
, mamy
!
k
e
k
P
k
. Policzmy
2
2
2
2
2
2
1
1
2
1
1
1
1
2
1
2
0
2
2
!
2
!
1
1
!
1
!
1
1
!
1
!
k
k
k
k
k
k
k
k
k
k
k
k
e
k
e
e
k
k
e
k
k
k
e
k
ke
k
e
k
X
D
,
czyli
X
D
2
.
e. geometryczny.
Dla dowolnego
,....
2
,
1
,
0
k
, mamy
p
q
k
P
k
, gdzie
1
q
p
. ãwiczenie dla
studentów.
Ci¹gùe:
f. rozkùad jednostajny nad odcinkiem
b
a,
.
Funkcja gêstoœci f:
b
a
x
b
a
x
a
b
x
f
,
,
0
,
,
1
. Policzmy
12
2
3
2
1
2
2
2
3
3
2
2
2
2
2
a
b
a
b
a
b
a
b
a
b
dx
a
b
x
a
b
x
d
x
f
x
X
D
b
a
R
.
g. rozkùad Couchiego.
Gêstoœã
2
1
1
x
x
f
. Brak wariancji, bo brak wartoœci oczekiwanej.
h. rozkùad normalny, Gaussa z parametrami
,
m
.(
,
m
N
)
Funkcja gêstoœci f:
2
2
2
2
1
m
x
e
x
f
. Po dùu¿szych wyliczeniach caùkowaniu
przez podstawienie i przez czêœci otrzymujemy
2
2
X
D
.
Mo¿na te¿ policzyã dla X standardowego (otrzymamy
1
2
X
D
). A nastêpnie
dla dowolnego
,
m
N
mamy
m
X
Y
st¹d
2
2
2
2
2
0
1
m
D
X
D
m
X
D
12
Zadania
Zmienna losowa dyskretna
1. Rzucamy dwa razy kostk¹ do gry, niech zmienna losowa X to suma oczek w obu
rzutach. Znajdê rozkùad zmiennej X. Podaj nastêpuj¹ce prawdopodobieñstwa:
a)
10
0
X
P
b)
5
X
P
c)
7
/
8
,
5
X
X
P
Rozwi¹zanie
Oczywiœcie
36
,
6
,...,
2
,
1
,
,
,
y
x
y
x
i mamy do czynienia z modelem
klasycznym. Ponadto zmienna przyjmuje wartoœci 2,3,4,...,12 – tyle mo¿e wynosiã
suma oczek. Teraz trzeba zastanowiã siê dla ilu wyników przyjmie poszczególne
wartoœci:
1
,
1
,
2
dla
X
,
1
,
2
,
2
,
1
,
3
dla
X
,
1
,
3
,
2
,
2
,
3
,
1
,
4
dla
X
,
....
6
,
6
,
12
dla
X
, czyli poszczególne wartoœci przyjmuje z
prawdopodobieñstwem, które zapiszemy w tabelce:
X
2
3
4
5
6
7
8
9
10
11
12
X
P
36
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
Sprawdzamy teraz czy suma prawdopodobieñstw wynosi 1, jeœli zgadza siê mo¿emy
przejœã do liczenia prawdopodobieñstw z podpunktów a,b,c zadania:
a)
36
33
10
,
9
,
8
,
7
,
6
,
5
,
4
,
3
,
2
,
1
10
0
X
P
X
P
b)
36
26
12
,
11
,
10
,
9
,
8
,
7
,
6
5
X
P
X
P
c)
7
/
8
,
5
X
X
P
21
11
7
7
,
5
7
/
8
,
5
X
P
X
P
X
X
P
.
2. Rzucam 5 razy monet¹. Niech X iloœã wyrzuconych orùów. Znajdê rozkùad zmiennej
X. Policz prawdopodobieñstwo:
a)
3
X
P
b)
2
X
P
3. Na planszy szachowej w sposób losowy umieszczamy konia. Niech X iloœã pól pod
jego biciem. Znajdê rozkùad zmiennej X. Podaj nastêpuj¹ce prawdopodobieñstwa:
a)
3
X
P
b)
R
a
a
X
P
,
4. Strzelec strzela do tarczy i trafia z prawdopodobieñstwem
4
1
p
. Niech zmienna X
iloœã strzaùów poprzedzaj¹cych trafienie. Znajdê rozkùad zmiennej X.
13
Rozwi¹zanie
Jest to przykùad rozkùadu geometrycznego.
Dla dowolnego
,....
2
,
1
,
0
k
, mamy
p
q
k
P
k
, gdzie
4
3
,
4
1
q
p
.
k
P
prawdopodobieñstwo przyjêcia przez zmienn¹ X wartoœci k i oznaczaj¹cej k
pora¿ek poprzedzaj¹cych pierwszy sukces (trafienie). Ostatecznie
4
1
4
3
k
k
P
dla
,....
2
,
1
,
0
k
. Oczywiœcie
1
0
k
k
P
.
5. W urnie znajduje siê 10 kulek zielonych i 5 biaùych. Z urny losujemy 4 kule.
Zmienna losowa X oznacza iloœã wylosowanych kul biaùych. Znajdê rozkùad zmiennej
X. Znajdê jej wartoœã oczekiwan¹ i wariancjê.
Rozwi¹zanie
Zauwa¿my, ¿e X przyjmuje wartoœci 0,1,2,3,4. Niech
k
P
X
oznacza
prawdopodobieñstwo przyjêcia przez zmienn¹ X wartoœci k. Mamy wiêc:
273
42
4
15
4
10
0
5
0
X
P
,
273
120
4
15
3
10
1
5
1
X
P
,
273
90
4
15
2
10
2
5
2
X
P
,
273
20
4
15
1
10
3
5
3
X
P
,
273
1
4
15
0
10
4
5
4
X
P
.
Mo¿emy zapisaã to równie¿ w tabeli:
X
0
1
2
3
4
X
P
273
42
273
120
273
90
273
20
273
1
14
Policzmy teraz wartoœã oczekiwan¹:
.
4
,
3
,
2
,
1
,
0
3
1
1
273
364
273
1
4
273
20
3
273
90
2
273
120
1
273
42
0
k
k
kP
X
E
,
oraz wariancjê:
7
,
0
3
4
273
1
4
273
20
3
273
90
2
273
120
1
273
42
0
2
2
2
2
2
2
.
4
,
3
,
2
,
1
,
0
2
2
2
k
X
E
k
P
k
X
D
6. Znajdê rozkùad zmiennej
4
3
X
Y
dla zmiennej X z poprzedniego zadania.
Rozwi¹zanie
Wystarczy zauwa¿yã jak ta funkcja zmieni wartoœci zmiennej X. Zmienna Y przyjmie
wartoœci -4,-1,2,5,8 a jej rozkùad przedstawia tabela:
X
0
1
2
3
4
Y
-4
-1
2
5
8
X
P
273
42
273
120
273
90
273
20
273
1
7. Znajdê rozkùad zmiennej
2
X
Y
dla X z zadania 2. Znajdê wartoœã oczekiwan¹ i
wariancjê zmiennej Y.
Rozwi¹zanie
Podobnie jak poprzednie zadanie.
X
0
1
2
3
4
Y
0
1
4
9
16
X
P
273
42
273
120
273
90
273
20
273
1
8. Niech
,...
2
,
1
,
0
,
3
1
)
(
k
dla
c
k
P
k
, dla jakiego c jest to rozkùad pewnej zmiennej.
Rozwi¹zanie
Wystarczy sprawdziã dla jakiego c mamy:
1
0
k
k
P
.
Wynik:
3
2
c
.
9. W urnie jest n kul spoœród, których jedna jest biaùa. Losujemy z urny po 1 kuli do
momentu wylosowania kuli biaùej. Niech X iloœã losowañ. Znajdê rozkùad X jeœli:
a)
losujemy ze zwrotem,
b)
losujemy bez zwracania.
Zmienna losowa ci¹gùa
1. Z odcinka
5
,
3
losujemy liczbê. Niech zmienna losowa X bêdzie:
a) wybran¹ liczb¹,
15
b) odlegùoœci¹ wybranej liczby od 5,
c) odlegùoœci¹ wybranej liczby od 0,
d) kwadratem wybranej liczby,
e) caùoœci¹ z wybranej liczby.
W ka¿dym z powy¿szych przypadków znajdê rozkùad zmiennej X oraz gêstoœã rozkùadu
( o ile istnieje).
Rozwi¹zanie
a)
Proponuje narysowaã wykres funkcji X na
5
,
3
, jest to po prostu funkcja
liniowa, tylko na odcinku. Policzymy dystrybuantê zmiennej X i o ile istnieje jej
gêstoœã. Zauwa¿my, ¿e
A
A
P
F
,
,
5
,
3
R
, czyli mamy do
czynienia z prawdopodobieñstwem geometrycznym. Policzmy teraz
5
,
1
5
3
,
8
3
3
,
0
5
,
1
5
3
,
8
,
3
3
,
0
5
,
1
5
3
,
,
3
3
,
0
:
5
,
3
:
t
dla
t
dla
t
t
dla
t
dla
t
dla
t
t
dla
t
dla
t
dla
t
P
t
dla
t
x
X
x
P
t
X
P
t
F
Zauwa¿my, ¿e funkcja F jest ci¹gùa i ró¿niczkowalna poza zbiorem {-3,5},
liczymy jej pochodn¹:
5
,
3
,
8
1
5
3
,
0
t
dla
t
t
dla
t
F
czyli jest ona ci¹gùa w dziedzinie i
5
,
3
,
3
1
5
3
,
0
t
dla
t
t
dla
t
f
. Uzupeùniùam funkcjê tak aby byùa okreœlona na caùym
R
.
b)
podobnie jak podpunkt a).
c)
patrz przykùad z czêœci teoretycznej.
d)
Proponuje narysowaã wykres funkcji X na
5
,
3
, jest to po prostu funkcja
kwadratowa, tylko na odcinku. Policzymy dystrybuantê zmiennej X i o ile istnieje
jej gêstoœã. Zauwa¿my, ¿e
A
A
P
F
,
,
5
,
3
R
, czyli mamy do
16
czynienia z prawdopodobieñstwem geometrycznym. Policzmy teraz
25
,
1
25
9
,
8
3
9
0
,
8
2
0
,
0
25
,
1
25
9
,
8
,
3
9
0
,
8
,
0
,
0
25
,
1
25
9
,
,
3
9
0
,
,
0
,
0
:
5
,
3
:
5
,
3
:
2
t
dla
t
dla
t
t
dla
t
t
dla
t
dla
t
dla
t
t
dla
t
t
t
dla
t
dla
t
dla
t
P
t
dla
t
t
P
t
dla
t
x
x
P
t
x
X
x
P
t
X
P
t
F
Zauwa¿my, ¿e funkcja F jest ci¹gùa i ró¿niczkowalna poza zbiorem {0,9,25},
liczymy jej pochodn¹:
25
,
9
,
16
1
9
,
0
,
8
1
25
0
,
0
t
dla
t
t
dla
t
t
t
dla
t
F
czyli jest ona ci¹gùa w dziedzinie i
25
,
9
,
16
1
9
,
0
,
8
1
25
0
,
0
t
dla
t
t
dla
t
t
t
dla
t
f
.
Uzupeùniùam funkcjê tak aby byùa okreœlona na caùym
R
.
e)
Model jak wy¿ej. Teraz zmienna przyjmuje tylko 9 wartoœci:
5
,
4
,
3
,
2
,
1
,
0
,
1
,
2
,
3
. Ka¿d¹ z tych wartoœci poza 5 (przyjmujê j¹ tylko dla
5
) przyjmuje na przedziale o dùugoœci 1 czyli z prawdopodobieñstwa
geometrycznego
4
,
3
,
2
,
1
,
0
,
1
,
2
,
3
,
8
1
i
dla
i
P
X
. Jest to rozkùad dyskretny i
nie posiada gêstoœci, zaœ dystrybuanta jest funkcj¹ schodkow¹ okreœlon¹
wzorem:
17
4
,
1
4
3
,
8
7
....
0
1
,
8
3
1
2
,
8
2
2
3
,
8
1
3
,
0
t
dla
t
dla
t
dla
t
dla
t
dla
t
dla
t
F
.
2. Dwie osoby maj¹ siê spotkaã miêdzy godzin¹ 18 a 19 w pubie. Osoba która
przyjdzie pierwsza czeka na drug¹, ale nie dùu¿ej ni¿ 15 minut. Zmienna losowa X to
czas oczekiwania osoby, która przyszùa pierwsza. Znajdê dystrybuantê tego rozkùadu.
Zbadaj czy istnieje gêstoœã.
3. Zmienna losowa X ma gêstoœã dan¹ wzorem:
x
pozostaych
dla
x
dla
ax
x
dla
x
f
0
1
0
1
2
2
1
2
gdzie a pewna nieznana staùa. Znajdê a oraz dystrybuantê zmiennej X.
Rozwi¹zanie
Staù¹ a mo¿emy wyliczyã z warunku
1
R
dt
t
f
. Mamy wiêc
a
at
dt
at
dt
dt
t
f
3
1
2
1
0
1
3
2
1
2
1
3
1
0
2
1
2
R
. Otrzymaliœmy
2
3
a
, czyli
x
pozostaych
dla
x
dla
x
x
dla
x
f
0
1
0
2
3
1
2
2
1
2
.
Teraz liczymy dystrybuantê korzystaj¹c ze wzoru:
x
dt
t
f
x
F
. Mamy wiêc:
18
x
x
x
x
dla
x
dla
x
x
dla
x
dla
dt
x
dla
dt
t
f
x
F
1
,
1
1
0
2
3
2
1
0
1
,
2
1
1
2
,
2
1
2
,
0
0
2
2
.
Policzenie caùek pozostawiam do samodzielnej pracy.
4. Zmienna losowa X ma gêstoœã dan¹ wzorem:
0
0
0
x
dla
x
dla
e
x
f
x
gdzie pewna
nieznana staùa.(Rozkùad maj¹cy powy¿sz¹ gêstoœã to rozkùad
wykùadniczy). Znajdê
wiedz¹c, ¿e
4
:
2
2
:
w
X
P
w
X
P
. Policz
dystrybuantê tej zmiennej.
5. Zmienna losowa X ma gêstoœã dan¹ wzorem:
0
0
0
2
x
dla
x
dla
e
x
f
ax
gdzie a pewna nieznana staùa. Znajdê a oraz dystrybuantê zmiennej X.
6. Znajdê wartoœã oczekiwan¹ i wariancjê (o ile istniej¹) w podstawowych rozkùadach
ci¹gùych:
a) jednostajnym nad odcinkiem
b
a,
b) Couchiego
c) Gaussa
d) wykùadniczego
Rozwi¹zanie
Wiêkszoœã jest wyliczona w czêœci teoretycznej.
7. Niech X ma rozkùad jednostajny nad odcinkiem
2
,
2
. Znajdê wartoœã oczekiwan¹
i wariancjê rozkùadu
3
2
X
Y
. Skorzystaj z wùasnoœci wartoœci oczekiwanej i
wariancji.
Wskazówka
Zauwa¿my, ¿e
3
2
3
2
X
E
X
E
Y
E
, wystarczy policzyã tylko wartoœã
oczekiwan¹ zmiennej X (wartoœã oczekiwana rozkùadu jednostajnego nad odcinkiem
jest policzona w czêœci teoretycznej) i podstawiã do powy¿szego wzoru.
Teraz wariancja, znamy ju¿
Y
E
, wiêc wystarczy policzyã tylko
9
12
4
9
12
4
3
2
2
2
2
2
X
E
X
E
X
X
E
X
E
Y
E
, a to potrafimy ju¿
policzyã. Pozostaje tylko podstawiã do wzoru na wariancjê
2
2
2
Y
E
Y
E
Y
D
.
8. Niech X ma rozkùad jednostajny nad odcinkiem
2
,
2
. Znajdê wartoœã oczekiwan¹
rozkùadu
2
X
Y
. Skorzystaj z wùasnoœci wartoœci oczekiwanej.
9. Niech X ma rozkùad jednostajny nad odcinkiem
2
,
0
. Znajdê rozkùad zmiennej
3
2
X
Y
i gêstoœã o ile istnieje.
Rozwi¹zanie
19
Niech
Y
F
oznacza dystrybuantê zmiennej Y, zaœ
X
F
oznacza dystrybuantê zmiennej X,
mamy wtedy:
2
3
2
3
3
2
t
F
t
X
P
t
X
P
t
Y
P
t
F
X
Y
. Wiemy, ¿e X
ma rozkùad jednostajny nad odcinkiem wiêc jej gêstoœã wyra¿a siê wzorem:
2
,
0
,
2
1
2
,
0
,
0
x
x
x
f
X
i st¹d mamy
2
,
1
2
0
,
2
1
0
,
0
t
t
t
t
t
F
X
.
Otrzymujemy wiêc
7
,
1
7
3
,
4
3
3
,
0
2
2
3
,
1
2
2
3
0
,
2
2
3
0
2
3
,
0
2
3
t
t
t
t
t
t
t
t
t
F
t
F
X
Y
.
Jeœli zbadamy wùasnoœci dystrybuanty zmiennej Y to zauwa¿ymy, ¿e zmienna ta jest
typu ci¹gùego i posiada gêstoœã (po policzeniu pochodnej
Y
F
) postaci:
7
,
3
,
4
1
7
,
3
,
0
x
x
x
f
X
.
Policzyliœmy wiêc, ¿e Y ma rozkùad jednostajny nad odcinkiem
7
,
3
.
10. Niech X ma rozkùad jednostajny nad odcinkiem
2
,
2
. Znajdê rozkùad zmiennej
X
Y
.
11. Niech X ma rozkùad jednostajny nad odcinkiem
2
,
1
. Znajdê rozkùad zmiennej
X
Y
.
12. Niech X ma rozkùad jednostajny nad odcinkiem
2
,
0
. Znajdê rozkùad zmiennej
2
X
Y
.
Rozwi¹zanie
Niech
Y
F
oznacza dystrybuantê zmiennej Y, zaœ
X
F
oznacza dystrybuantê zmiennej X,
mamy wtedy:
0
,
0
,
0
0
,
0
,
0
0
,
0
2
t
t
F
t
t
t
X
P
t
F
t
F
t
t
X
t
P
t
t
X
P
t
Y
P
t
F
X
X
X
Y
poniewa¿ rozkùad zmiennej X jest typu ci¹gùego i prawdopodobieñstwo
a
X
P
dla
dowolnego a jest równe 0 oraz poniewa¿ zmienna X przyjmuje wartoœci dodatnie ( z
przedziaùu
2
,
0
) wiêc
0
a
F
X
dla dowolnego ujemnego a. Z zadania 9 wiemy, ¿e
20
2
,
1
2
0
,
2
1
0
,
0
t
t
t
t
t
F
X
.
Czyli mamy:
4
,
1
4
0
,
2
1
0
,
0
2
,
1
2
0
,
2
1
0
,
0
0
,
0
,
0
t
t
t
t
t
t
t
t
t
t
F
t
t
F
X
Y
.
Mo¿na jeszcze policzyã gêstoœã rozkùadu zmiennej Y, ale nie trzeba bo dystrybuanta
wystarcza do okreœlenia rozkùadu zmiennej.
13. Niech X ma rozkùad wykùadniczy z parametrem
1
. Znajdê rozkùad zmiennej
X
Y
.
14. Niech X ma rozkùad wykùadniczy z parametrem
1
. Znajdê rozkùad zmiennej
3
2
X
Y
.
15. Niech X ma rozkùad Cauchiego. Znajdê rozkùad zmiennej
X
Y
2
.
16.
Niech X ma rozkùad Gaussa z parametrami
2
1
m
i
. Korzystaj¹c z tablic
matematycznych znajdê prawdopodobieñstwo
2
0
X
P
.