zmienne losowe ciagle id 591438 Nieznany

background image

Ci

ągłe zmienne losowe

Definicja.

Zmienn

ą losową X nazywamy

ci

ągłą

zmienn

ą losową, jeśli istnieje nieujemna funkcja f, zwana

g

ęstością

, taka

że dla dowolnych a, b ,

b

a

,

b

a

dx

x

f

b

X

a

P

)

(

)

(

.

background image

Definicja.

Funkcję

x

ds

s

f

x

F

)

(

)

(

,

)

,

(



x

,


nazywamy

dystrybuantą

zmiennej losowej X.

)

(

)

(

x

X

P

x

F

,

dla każdego x





1

)

(

)

(

)

(

ds

s

f

X

P

X

P

0

)

(

x

f

, dla każdego x

0

)

(

c

X

P

, dla każdej stałej c

background image

Stwierdzenie.

Dla ci

ągłej zmiennej losowej o

dystrybuancie F zachodzi

)

(

)

(

)

(

b

X

a

P

b

X

a

P

b

X

a

P

=

)

(

)

(

)

(

a

F

b

F

b

X

a

P

.

D.

0

)

(

)

(

a

X

P

b

X

P

. Zatem do

łączenie lub

usuni

ęcie brzegu przedziału nie wpływa na wartość

prawdopodobie

ństwa, np.

}

{

}

{

)

,

(

]

,

[

b

a

b

a

b

a

,

)

(

)

(

)

(

)

(

b

X

P

a

X

P

b

X

a

P

b

X

a

P

,

background image

)

(

)

(

a

F

b

F

)

(

b

X

a

P

.

Twierdzenie

. Je

śli gęstość zmiennej losowej X jest

funkcj

ą ciągłą, to dla każdego x zachodzi

)

(

)

(

'

x

f

x

F

.

D

.

)

(

)

(

)

(

x

f

ds

s

f

dx

d

x

F

x

.

background image

Definicja.

Funkcja

),

,

(

),

(



x

x

f

spe

łniająca

warunki:

0

)

(

x

f

,

),

,

(



x

,

1

)

( dx

x

f

nazywana jest g

ęstością.

background image

Przyk

ład.

Dla jakiej warto

ści stałej A funkcja

0

)

(

2

Ax

x

f

dla

).

1

,

0

(

),

1

,

0

(

x

x

jest g

ęstością zmiennej losowej ?

0

)

(

x

f

, stąd A - nieujemne

.

1

)

0

3

/

1

(

0

1

)

3

/

(

)

(

1

0

3

2

A

x

A

dx

Ax

dx

x

f

A = 3

background image

Przyk

ład.

Zmienna losowa X ma g

ęstość

0

2

/

1

)

(x

f

dla

)

2

,

0

(

)

2

,

0

(

x

x

Wówczas dystrybuanta ma posta

ć:



1

5

,

0

0

)

(

x

x

F

dla

.

2

,

2

0

,

0

x

x

x

background image

Niech

.

2

0

x

x

x

x

x

x

s

ds

ds

s

f

x

F

0

.

5

,

0

)

0

(

5

,

0

0

5

,

0

5

,

0

)

(

)

(

Niech

.

2

x

x

ds

ds

s

f

x

F

.

1

5

,

0

2

5

,

0

)

(

)

(

2

0



1

5

,

0

0

)

(

x

x

F

dla

.

2

,

2

0

,

0

x

x

x

background image

Przykład.

Niech gęstość ma postać

0

3

/

2

)

(

2

x

x

f

dla

)

1

,

0

(

1

0

x

x

.

Niech

.

0

x

x

ds

x

F

0

)

(

= 0.

Niech

1

0

x

.

x

x

x

x

ds

s

ds

s

f

x

X

P

x

F

0

3

2

.

3

1

3

2

)

3

2

(

)

(

)

(

)

(

background image

F(1) =

1

)

1

(

X

P

. St

ąd F(x) = 1, dla

1

x

.

1

)

2

(

3

1

0

)

(

3

x

x

x

F

dla

.

1

,

1

0

,

0

x

x

x

375

,

0

1

)

5

,

0

(

1

)

5

,

0

(

1

)

5

,

0

(

F

X

P

X

P

=

= 0,625.

background image

Wska

źniki położenia i rozproszenia dla

ci

ągłych zmiennych losowych

Definicja.

Warto

ścią średnią

( oczekiwan

ą ) ciągłej

zmiennej losowej X maj

ącej gęstość f nazywamy liczbę

ds

s

sf

X

)

(

background image

Definicja.

Niech X b

ędzie ciągłą zmienną losową o

g

ęstości f, a h funkcją określoną na zbiorze wartości X.

Wówczas

warto

ścią oczekiwaną

(

średnią ) zmiennej

losowej

)

( X

h

Y

nazywamy liczb

ę

ds

s

f

s

h

Y

)

(

)

(

.

( je

śli całka istnieje ).

background image

Stwierdzenie.

b

a

X

b

aX

D.

b

aX

X

h

Y

)

(

.

ds

s

f

b

ds

s

sf

a

ds

s

f

b

as

Y

)

(

)

(

)

(

)

(

=

.

b

a

X

background image

Definicja.

Wariancją

ciągłej zmiennej losowej X o gęstości f

nazywamy liczbę

ds

s

f

s

X

X

)

(

)

(

2

2

Odchylenie standardowe:

2

X

X

.

Uwaga.

Z definicji wariancji oraz wartości oczekiwanej funkcji

zmiennej losowej

2

2

)

(

X

X

X

E

background image

Twierdzenie

.

Jeśli ciągła zmienna losowa ma

wariancję, to dla dowolnych liczb a, b zachodzą wzory

2

2

2

X

b

aX

a

2

2

2

X

X

X

.

background image

D.

2

2

2

))

(

(

)

(

b

a

b

aX

E

b

aX

E

X

b

aX

b

aX

.

)

(

)

)

(

(

)

(

2

2

2

2

2

X

X

X

X

E

a

X

a

E

a

aX

E

)

2

(

)

(

2

2

2

X

X

X

X

X

E

X

E

.

)

(

)

(

)

(

2

)

(

2

2

2

2

X

X

X

X

X

E

X

E

background image

Stwierdzenie.

(

standaryzacja

)

Jeśli zmienna losowa

X

ma wartość średnią

X

oraz

wariancję

2

X

, to standaryzowana zmienna losowa

Z

ma wartość średnią

0

i wariancję

1

.

D.

)

(

X

X

Z

X

E

))

(

1

(

X

X

X

E

=

.

0

))

(

)

(

(

1

)

(

1

X

E

X

E

X

E

X

X

X

.

1

)

(

1

)

(

2

2

2

2





X

X

X

X

Z

X

E

X

E

background image

Przyk

łady ciągłych zmiennych losowych

Zmienna losowa o rozk

ładzie normalnym

2

2

2

/

)

(

2

1

)

(

x

e

x

f

,

x

background image

Twierdzenie.

Niech

)

,

(

~

N

X

,

X

Z

.

Wówczas

)

1

,

0

(

~ N

Z

X

,

2

2

X

D.

)

(

)

(

)

(

z

X

P

z

X

P

z

Z

P

=

background image

dx

e

z

x

2

)

(

)

2

/

1

(

2

1

=

( podstawienie

x

y

)

=

z

y

z

dy

e

).

(

2

1

2

)

2

/

1

(

,

0

)

( dz

z

z

Z

( bo funkcja podca

łkowa jest

nieparzysta

:

),

(

)

(

z

z

sk

ąd

)

(

)]

(

[

z

z

z

z

).

1

2

Z

( bez dowodu )

background image

0

Z

0

 

X

E

. Zatem

X

E

-

E

=

0

)

(

1

X

E

, czyli

)

( X

E

1

1

)

(

1

2

2

2

2

2

2

X

Z

X

E

X

E

2

2

X

background image

Twierdzenie

Je

śli

)

,

(

~

N

X

,

,

b

aX

Y

to

)

,

(

~

2

2

a

b

a

N

Y

.

background image

Zmienna losowa o rozk

ładzie jednostajnym.

Zmienna losowa X ma rozk

ład

jednostajny

na przedziale

[0,1] (

notacja

:

)

1

,

0

(

~ U

X

), je

śli ma gęstość:

0

1

)

(x

f

dla

]

1

,

0

[

]

1

,

0

[

x

x

.



x

x

ds

s

f

x

F

1

0

)

(

)

(

dla

1

]

1

,

0

[

0

x

x

x

.

background image

Zmienna losowa X ma rozk

ład

jednostajny na

przedziale [a,b],

je

śli ma gęstość:

0

)

/(

1

)

(

a

b

x

f

dla

]

,

[

]

,

[

b

a

x

b

a

x

2

b

a

X

,

12

2

2

a

b

X

background image

Zmienna losowa o rozk

ładzie wykładniczym

Niech

t

X

ma rozk

ład Poissona

)

( t

P

( liczba zdarze

ń

w przedziale czasu [0,t] ). Wówczas

czas oczekiwania

na

zdarzenie jest zmienn

ą losową

T

, tak

ą że

t

t

t

e

t

e

X

P

t

T

P

!

0

)

(

)

0

(

)

(

0

, dla

.

0

t

Zmienna losowa

T

ma

dystrybuant

ę

t

e

t

T

P

t

F

1

0

)

(

1

)

(

dla

0

0

t

t

background image

Zmienna losowa ma rozk

ład

wyk

ładniczy

, je

śli ma

g

ęstość

)

(

)

(

t

F

t

f

:

t

e

t

f

0

)

(

dla

0

0

t

t

.

 

0

0

0

dx

e

xe

dx

e

x

x

x

x

T

=

1

0

0

x

e

,

 

2

2

2

2

2

1

1

2

2

T

T

T

.


Wyszukiwarka

Podobne podstrony:
zmienne losowe ciagle 2 id 5914 Nieznany
zmienne losowe ciagle 2 id 5914 Nieznany
zmienne losowe dyskretne id 591 Nieznany
zmienne losowe dyskretne id 591 Nieznany
zmienne losowe gestosci typu ci Nieznany
Pomiary napiec zmiennych id 374 Nieznany
zmienna zalezna i niezalezna id Nieznany
4IMIR prady zmienne id 39330 Nieznany (2)
AM2 11 Zamiana zmiennych id 587 Nieznany (2)
MM ETK W04 zmiennestanu id 3442 Nieznany
Pradnica pradu zmiennego id 382 Nieznany
6 zmienna losowa id 44007 Nieznany
FUNKCJE JEDNEJ ZMIENNEJ id 1820 Nieznany
miary zmiennosci id 298408 Nieznany
5 napieci zmienne cw5 id 60977 Nieznany (2)
Przekształcenia ciągłe zmiennej losowej

więcej podobnych podstron